> **来源：[研报客](https://pc.yanbaoke.cn)** # 新经济时代的“动态革新” # ——我国产业升级的赋能机制研究 # 摘要 - 理论框架：“新经济”重视技术和知识产权。该概念最早出现在2016年中国《政府工作报告》中，主张发展高技术产业和现代服务业等新兴产业。从理论看，索洛模型认为经济处于稳态时，人均产出增长只能由外生技术进步所驱动。而内生增长理论认为，由于知识、技术创新等要素具有正外部性，且存在规模报酬递增现象，由此可实现内生的持续增长，打破了资本边际收益递减的假设。 - 实证检验：技术创新、数字经济与高质量开放构成了我国产业升级的核心驱动力。本文构建了多元线性回归模型，利用2016年9月至2025年9月的季度数据进行实证检验。结果表明，技术创新、数字经济与高质量开放对产业升级均有显著正向推动作用，是驱动产业升级的核心引擎。 核心机制：技术融合、要素创新与组织变革。在技术变革层面，产业结构优化往往通过“创造性破坏”实现。经济增长并非平稳的线性累积，而是由新技术、新产业和新模式不断冲击、替代原有经济结构的过程；在要素层面，知识、数据、算力等新型生产要素的重要性提升，并带动劳动、资本等传统要素发生变革；在产业协同方面，传统产业升级已不再是单一企业的孤立行为，而依赖于跨主体协同机制，推动创新要素的集聚与扩散。 赋能路径：高端化、智能化、绿色化与全球化。在高端化路径上，我国布局战略性新兴产业与未来产业，2024年以来，高技术制造业和装备制造业工业增加值单月同比增速保持在 $6\%$ 以上，增长动力较强。在智能化路径上，加快建设全国统一大市场。2024年数据交易规模有望突破1600亿元，同比增长超过 $30\%$ 。同时推进数字基础设施体系建设，为数字化进程提供坚实底座。在绿色化路径上，我国持续完善全国碳排放权交易市场，并在信贷与债券等融资端加大对绿色领域的倾斜。2019-2025年，绿色贷款余额同比增速基本保持在 $20\%$ 以上。在全国推广建设“绿色工厂”，推动产业循环化发展。在全球化路径上，我国坚持高水平的“制度型开放”，积极对接国际高标准经贸规则。大力推动知识密集型贸易发展，2025年1-9月，知识密集型服务贸易累计同比增速达 $6.4\%$ ，高于同期货物贸易增速3.6个百分点，成为外贸增长新动能。 - 借鉴经验：创新引擎、“隐形冠军”与精益之道。美国建立了“科技-产业-金融”协同体系，服务消费成为拉动经济的核心引擎；德国提出“工业4.0”概念，发展以细分领域占据市场领导地位的“隐形冠军”式中小企业；在精益理念引领下，日本制造业形成了以核心材料、高端装备与高技术产业为核心的竞争优势。从发达国家实践中可归纳五条经验：一是重视中小企业，通过立法、财税和多元化融资支持其专注发展；二是持续加大研发投入，推动产学研结合与专利转化以提升产业竞争力；三是建立符合国情的融资体系，通过直接融资或银行主导的间接融资为企业提供稳定资金；四是政府积极引导，为全社会营造有利的创新环境；五是注重市场需求牵引，依托内需拉动和精益理念促进供需良性互动。 风险提示：国内经济复苏不及预期风险，外部环境复杂性与贸易风险，结构性矛盾与重点领域风险，产业升级过程中的具体挑战。 # 西南证券研究院 分析师：叶凡 执业证号：S1250520060001 电话：010-57631106 邮箱：yefan@swsc.com.cn 分析师：刘彦宏 执业证号：S1250523030002 电话：010-55758502 邮箱：liuyanhong@swsc.com.cn 联系人：徐小然 邮箱：xuxr@swsc.com.cn # 相关研究 1. 势启新章处：破局与再平衡——2026年宏观经济与政策展望 (2025-12-08) 2.“K型经济”对美国消费的影响(2025-11-10) 3.“十五五”前瞻：新动能 $\cdot$ 新生态 $\cdot$ 新布局 (2025-10-13) 4. 于变局中寻新局——强韧性的路径选择与变局下配置主线 (2025-08-30) 5. 从通胀预期视角看“反内卷”——基于理论与海外案例分析 (2025-08-19) 6. 稳定币的演进推演——主体、信贷及资产价格的影响解析 (2025-07-11) # 目录 # 1 引言：理论和模型基础 1.1 新经济定义 1 1.2 新经济的理论背景 # 2新经济赋能产业升级的实证检验. 4 # 3新经济赋能产业升级的多维机制 8 3.1 技术变革：“创造性破坏”的动态过程 ..... 8 3.2要素创新：效用递增标准下的资源配置 9 3.3 产业协同：集群发展的资源互补和优势整合 ..... 10 # 4 中国的多元赋能路径 ..... 12 4.1 高端化赋能路径：新需求与新供给的良性共促 ..... 12 4.2智能化赋能路径：全链条推进“数实融合” 17 4.3 绿色化赋能路径：市场机制和产业链协同“扩绿” 20 4.4全球化赋能路径：制度型开放驱动产业进阶 22 # 5 新经济赋能模式的国际比较与借鉴 25 5.1 美国的“科技-产业-金融”循环体系 ..... 25 5.2德国的工业4.0与“隐形冠军”模式 26 5.3 日本社会需求牵引下的精益模式 ..... 27 5.4总结：对我国发展模式的借鉴 28 # 6风险提示 29 # 图目录 图1：技术进步与索洛增长模型 3 图2：产业升级影响因素的多元线性回归模型估计结果 图3：针对多重共线性的VIF检验结果 图4：针对异方差的White检验和Cameron&Trivedi检验结果 图5：残差正态性Q-Q图 图6：残差同方差性与独立性诊断图 图7：规模以上工业企业研发经费投入强度分化，技术密集型行业经费投入强度显著上升.8 图8：世界各国全要素生产率变化 10 图9：我国主要综合功能区划分图 11 图10：京津冀区域经济增速总体高于全国增速 11 图11：全国研发投入占比不断提升. 13 图12：“三新”产业中第三产业占比提升，增速排名居前 13 图13：规划对战略性新兴产业和未来产业的不同侧重 14 图14：“两重”“两新”的政策内涵 15 图15：超长期特别国债发行速度快于去年 15 图16：高技术制造业和装备制造业增速持续改善 16 图17：“两新”政策助力需求侧动能释放 16 图18：我国消费者信心指数呈现回升趋势 17 图19：年轻人情绪消费意愿度 17 图20：近年来我国数字经济规模增速加快 18 图21：不同收入国家的数智化程度得分差异 18 图22：我国部分数据交易所的交易活跃度差异 19 图23：我国通用算力和智能算力的应用领域占比 20 图24：我国碳排放交易量和交易价格 21 图25：我国金融机构绿色贷款余额 21 图26：我国绿色债券发行规模 21 图27：我国风电、光伏发电新增装机容量 22 图28：我国经济开放发展指数变化情况 24 图29：上海自贸区试点措施推广领域 24 图30：我国机电和高新技术产品出口增速回落 24 图31：我国知识密集型服务引领作用显著 24 图32：“新三样”出口中占比在 $1\%$ 以上的目的地（2025年9月） 图33：我国对主要贸易伙伴进出口情况 25 图34：2025年一季度美国风险投资领域分布 26 图35：美国服务消费占比和人均可支配收入情况 26 图36：工业1.0-4.0阶段的不同发展特征 27 图37：各国制造业增加值占GDP比重 27 图38：四种情景下日本GDP的发展情况 28 # 表目录 表 1: “新经济” 自首次提出以来,从广泛培育新动能转向聚焦新质生产力. 表 2: 在有技术进步的索洛模型中的稳态增长率 表 3: 变量设定及计算方法 表 4：变量描述性统计 表 5: 变量相关系数矩阵 表 6: 数据驱动类行业的数据要素产出弹性较高 ..... 10 表 7：京津冀的“六链五群”产业集群. 12 表 8: “数据二十条” 的四大基础制度内涵 ..... 19 表 9：2024 年我国实现新型工业化中的绿色发展特征. 22 表 10：我国积极推动对接国际高标准经贸协定. 23 表 11：日本优势制造业聚焦核心材料、高端设备及底层技术 ..... 28 新经济作为一种以信息化和全球化为背景、由科技创新与制度创新驱动、以新技术、新产业和新业态为核心的经济形态，代表了经济结构与发展方式的深刻变革。其中，知识与创新成为关键生产要素，跨界产业融合深化并实现全方位协同。在我国迈向2035年基本实现社会主义现代化目标并步入“十五五”发展阶段的背景下，经济发展模式正加速向新经济转型，而行业转型作为实现高质量发展的重要环节，在新经济业态下呈现出与传统路径不同的特征。理解新经济形态下的产业发展方向，有助于推动中国式现代化进程并解决深层次结构性矛盾。我们将分析新经济赋能传统产业升级的多维机制，结合中国近年实践，重点探讨高端化、智能化、绿色化和全球化四方面的赋能路径与转型成果，并通过国际比较分析各国经济发展模式的差异，总结可借鉴的经验。 # 1 引言：理论和模型基础 # 1.1 新经济定义 2016年，在中国经济进入新常态，面临转型升级压力，需要培育新的增长动力的背景下，“新经济”一词首次出现在2016年的《政府工作报告》中。“新经济”下的行业覆盖一、二、三产业，不仅涵盖互联网、物联网、云计算等新兴服务业，也包括工业中的智能制造、农业中的家庭农场等。举措方面，强调做大高技术产业、现代服务业等新兴产业集群，打造动力强劲的新引擎。在随后多年的政府施政纲领以及国家重大战略中，“新经济”及其相关领域一直被作为培育新动能、实现高质量发展的重要抓手，其定位也因政策语境变化而呈现出不同侧重点。如二十届四中全会公报提出要“加快高水平科技自立自强，引领发展新质生产力。抓住新一轮科技革命和产业变革历史机遇”，这与新经济的核心理念一脉相承。 表 1: “新经济”自首次提出以来,从广泛培育新动能转向聚焦新质生产力 <table><tr><td>时间阶段</td><td>政策语境</td><td>“新经济”的定位</td></tr><tr><td>2016</td><td>首次写入《政府工作报告》</td><td>作为“新动能”被提出：旨在应对经济下行压力，培育新动力。方向相对宽泛，覆盖新技术、新产业、新业态</td></tr><tr><td>2016-2017</td><td>与“供给侧结构性改革”、“创新驱动发展”等国家战略紧密结合</td><td>成为经济结构优化和转型升级的关键路径：政策导向开始具体化，与“互联网+”、“双创”（大众创业、万众创新）、智能制造等特定领域结合</td></tr><tr><td>2018-2020</td><td>强调“新旧动能转换”</td><td>焦点从“有没有”转向“好不好”：数字经济重心转向与传统产业深度融合，工业互联网成为制造业升级的关键路径</td></tr><tr><td>2021-2022</td><td>推动数字产业化和产业数字化，先进制造业与现代服务业深度融合；锚定“双碳”目标，启动能源结构调整</td><td>从“局部亮点”发展为“系统工程”：如通过数字化转型与绿色转型，重塑传统经济体系，成为后疫情时代经济复苏与高质量发展的关键支撑</td></tr><tr><td>2023-2024</td><td>新产业、新业态、新商业模式增加值占GDP比重显著提升；人工智能大模型等技术加速与实体经济融合</td><td>对经济的贡献度从“增量”迈向“主导”：推动全要素生产率和资源效率的根本性优化，成为新型工业化和高质量发展的核心支撑</td></tr><tr><td>2025</td><td>布局商业航天、低空经济、生物制造等未来产业；实现要素精准配置，金融资源、数据要素向科技创新领域高度倾斜</td><td>核心使命明确为培育和发展新质生产力：强调以科技创新驱动产业质的飞跃；发展目标从追求“占比提升”转向关注核心竞争力和全球影响力</td></tr></table> 资料来源：经济网、西南证券整理 # 1.2 新经济的理论背景 索洛增长模型和内生增长理论是现代经济增长理论中的两个核心框架，它们分别从不同视角揭示了经济长期增长的源泉和机制。具体来看，索洛模型强调了外生技术进步的决定性作用，而内生增长理论则打破资本边际产出递减的假设，论证经济增长是内生动力促进的结果。 # 1.2.1 索洛增长模型 索洛模型又称外生经济增长模型，由罗伯特·索洛于1956年首次创立，用来说明储蓄、资本积累和经济增长之间的关系。其核心观点是，依靠储蓄和资本积累所带来的增长会因资本边际收益递减而停止，最终经济会收敛到一个稳态。在稳态下，人均产出的长期增长率只取决于一个外部给定的因素，即技术进步。 具体来看，索洛模型用Y代表产出，则生产函数可写成： $$ Y = F (K, L * E) $$ 其中K代表资本存量，L代表按n的速率增长的劳动力投入，E代表劳动效率，L*E代表工人的有效数量，g代表劳动改善型技术进步，它引起劳动效率E以某种不变的速率g增长。因此，有效工人的数量按（n+g）的速率增长。随着时间的推移，每个工人实际上有了更多单位的劳动，因此，技术进步导致工人的有效数量增加。 索洛模型中，产品的需求来自消费 $c$ 和投资 $i$ ，储蓄率为 $s$ ，人均产出为 $y$ ，假设每年人们储蓄 $s$ 比例的收入，消费（1-s）比例的收入： $$ y = c + i $$ $$ y = (1 - s) y + i $$ 整理后可以得到，储蓄率 $s$ 是用于投资的产出比例，这个方程也把人均资本存量 $k$ 与新资本的积累 $i$ 联系在一起： $$ i = s y = s f (k) $$ $\Delta k$ 代表投资减去收支相抵的投资，即资本存量的变动。为了使 $k$ 不变， $\delta k$ 是为替代折旧的资本所需要的， $nk$ 是为新工人提供资本所需要的， $gk$ 是为技术进步所创造的新的“有效工人”提供资本所需要的。在技术进步的情况下，存在单一的资本存量 $k^*$ ，使得 $\Delta k = 0$ 。因此，资本存量 $k$ 和产出随时间的推移是稳定的。因此，我们把 $k^*$ 称为稳定状态（steadystate，以下简称“稳态”）资本水平。在稳态，人均投资 $sf(k)$ 正好抵消了由于折旧、人口增长和技术进步所引起的 $k$ 的减少。 $$ \Delta k = s f (k) - (\delta + n + g) k $$ 政策制定者目的是使组成社会的个体的福利最大化，因此他们会选择消费水平最高的稳态。使消费最大化的稳态 $k$ 值被称为资本的黄金律水平（Golden Rule level of capital），记为 $k_{gold}^{*}$ 。此时稳态的消费达到最大化水平，有效工人的人均稳态消费是： $$ c ^ {*} = y - i = f \left(k ^ {*}\right) - (\delta + n + g) k ^ {*} $$ MPK表示资本的边际产量，具有边际收益递减的特征。在黄金律资本水平，资本的净边际产量（MPK-δ）等于总产出增长率（n+g），即： $$ M P K = \delta + n + g $$ 图1：技术进步与索洛增长模型 资料来源：格里高利·曼昆《宏观经济学》，西南证券整理 表 2：在有技术进步的索洛模型中的稳态增长率 <table><tr><td>变量</td><td>符号</td><td>稳态增长率</td></tr><tr><td>有效工人的人均资本</td><td>k = K/(ExL)</td><td>0</td></tr><tr><td>有效工人的人均产出</td><td>y = Y/(ExL) = f(k)</td><td>0</td></tr><tr><td>人均产出</td><td>Y/L = yxE</td><td>g</td></tr><tr><td>总产出</td><td>Y = yx(ExL)</td><td>n+g</td></tr></table> 资料来源：格里高利·曼昆《宏观经济学》，西南证券整理 # 1.2.2 内生增长模型 针对索洛模型的不足，保罗·罗默在1980年代中期提出了内生增长理论，将知识、技术创新等要素内生化，论证经济系统内部能自发产生持续增长的动力。和索洛增长模型最显著的差别，是内生增长模型的生产函数没有假设资本收益边际递减： $$ Y = A K $$ 其中Y为总产出，K为资本存量，A代表每单位资本生产的产出数量，是一个常数。从公式可以看出，无论资本存量有多少，额外的一单位资本固定地生产A单位额外的产出。接下来，我们假设比例为s的收入用于储蓄和投资。因此，用来描述资本积累的方程与索洛模型所用的方程相似： $$ \Delta K = s Y - \delta K $$ 将上两式结合可得： $$ \Delta Y / \Delta K = A $$ 推导可得： $$ \Delta Y / Y = A \Delta K / A K = \Delta K / K = (s Y - \delta K) / K = (s A K - \delta K) / K = s A - \delta $$ 由此可见，即使没有外生技术进步的假设（对应索洛模型中的劳动改善型技术进步 $g$ ），经济也会以 sA-δ 的速度永远增长下去。内生增长模型理论的核心突破在于打破了资本边际收益递减的假设，认为知识、技术创新这类生产要素具有正外部性和规模收益递增的特性。在内生增长模型中，可能不存在使得经济保持稳态的 $k$ ，经济增长率不一定收敛。此时，对于促进长期经济增长，教育投入、研发补贴、知识产权保护等政府的积极政策就变得重要且有效，这也与索洛模型中政策无效的观点形成对比。 总的来看，索洛模型量化了新经济作为强大的技术进步力量，对全要素生产率的提升作用，也解释了新经济为何能推动经济跨越资本边际收益递减的瓶颈。同时，模型还指出，劳动力的增加不仅指数量的增加，而且还包含素质与技术能力的改进，即“有效工人”概念的来源。内生增长理论则阐释了培育新经济的系统和机制，即中国经济向新经济的转型，是市场激励、政策引导、企业主体行为共同作用的结果。两个理论共同指明了政策的双重目标：一方面，需创造有利于知识创造和扩散的宏观环境。另一方面，则要通过制度建设，如加强知识产权保护、鼓励企业研发投入、培育人力资本等，来激发和维持经济系统内在的创新活力。 # 2 新经济赋能产业升级的实证检验 为剖析我国产业结构升级的影响机制，本文依据经济理论构建多元回归计量模型。模型参数估计使用StataMP18软件完成，主要采用最小二乘法进行估计。其中多元回归模型设定为： $$ u p g r a d e _ {t} = \beta_ {0} + \beta_ {1} * t e c h _ {t} + \beta_ {2} * d a t a _ {t} + \beta_ {3} * t r a d e _ {t} + \beta_ {4} * g r e e n _ {t} + \beta_ {5} * e x p e n _ {t} + \beta_ {6} * $$ $$ g o v _ {t} + \beta_ {7} * f d i _ {t} + \varepsilon_ {t} $$ 表 3: 变量设定及计算方法 <table><tr><td>变量类型</td><td>指标名称</td><td>指标计算方法</td><td>指标定义</td></tr><tr><td>被解释变量</td><td>upgrade</td><td>第一产业GDP/GDP+第二产业GDP/GDP*2+第三产业GDP/GDP*3</td><td>产业层次升级指数</td></tr><tr><td rowspan="3">解释变量</td><td>tech</td><td>(高技术产业固定投资累计同比-固定投资累计同比)/固定投资累计同比</td><td>高技术产业投资强度</td></tr><tr><td>data</td><td>移动支付交易额/GDP</td><td>数字支付普及程度</td></tr><tr><td>trade</td><td>高新技术产品进出口总额/进出口总额</td><td>贸易技术含量</td></tr><tr><td rowspan="4">控制变量</td><td>green</td><td>ln(绿色债券发行量)</td><td>绿色融资活跃度</td></tr><tr><td>expen</td><td>ln(居民人均消费支出)</td><td>最终需求和购买力水平</td></tr><tr><td>gov</td><td>一般公共预算支出/GDP</td><td>财政支出率</td></tr><tr><td>fdi</td><td>ln(外商直接投资)</td><td>外商直接投资水平</td></tr></table> 数据来源：wind，西南证券整理 模型中各变量的定义、计算方法及经济含义如表3所示。为衡量产业升级（upgrade），本文借鉴并采用干春晖等（2011）提出的测度方法，即基于第一、二、三产业增加值的加权进行计算。袁航（2021）与张新林（2025）等研究同样遵循此法，进一步验证了该测量方法的有效性及其在相关研究领域的广泛接受度。本文的核心解释变量旨在捕捉驱动产业升级的三大因素：产业高端化（tech）、经济社会数字化（data）与对外贸易技术升级（trade）。此外，为控制其他潜在影响因素，本文引入一组控制变量，包括绿色转型发展动能（green）。鉴于绿色产业综合指标的季度数据难以直接获取，本文依据数据可得性与指标代表性原则，选用绿色债券发行额作为测度绿色金融发展与低碳转型进程的代理变量，并将其纳入控制变量组。同时，模型还控制了反映内部需求、政府行为与外部资本的变量，即居民最终需求水平（expen）、政府支出强度（gov）及外商直接投资水平（fdi），以更准确地识别核心解释变量的净效应。 在数据处理方面，本文选取wind数据库中2016年9月至2025年9月的季度数据，构成共计37期数据。对于少数缺失值，采用均值插补法进行处理；同时，对原始数据进行了异常值识别与剔除，对识别出的异常值进行了缩尾处理，将其调整至 $5\%$ 和 $95\%$ 的临界值，以在减轻极端值影响的同时最大程度保留样本信息。各变量的描述性统计结果如表4所示。 表 4: 变量描述性统计 <table><tr><td>变量</td><td>样本个数</td><td>平均值</td><td>标准差</td><td>最小值</td><td>最大值</td></tr><tr><td>upgrade</td><td>37</td><td>2.48468</td><td>0.04984</td><td>2.4019</td><td>2.57545</td></tr><tr><td>tech</td><td>37</td><td>0.60509</td><td>0.15534</td><td>0.32442</td><td>1.04348</td></tr><tr><td>data</td><td>37</td><td>3.70392</td><td>0.88751</td><td>1.81331</td><td>5.10243</td></tr><tr><td>green</td><td>37</td><td>5.30445</td><td>1.39722</td><td>0.69315</td><td>6.93182</td></tr><tr><td>trade</td><td>37</td><td>2.90104</td><td>0.22299</td><td>2.47199</td><td>3.27777</td></tr><tr><td>expen</td><td>37</td><td>8.89359</td><td>0.1444</td><td>8.62052</td><td>9.14451</td></tr><tr><td>gov</td><td>37</td><td>0.22464</td><td>0.02331</td><td>0.18841</td><td>0.2799</td></tr><tr><td>fdi</td><td>37</td><td>7.77143</td><td>0.2428</td><td>7.25623</td><td>8.31496</td></tr></table> 数据来源：wind，西南证券 为初步检验变量间关联性及潜在的多重共线性问题，表4结果显示，各变量间的相关系数绝对值大多低于0.7，表明模型整体不存在严重的多重共线性问题（一般认为 $|\mathbf{r}| > 0.8$ 需警惕）。其中，部分变量间呈现中等或较强的相关性，符合理论预期。这些相关关系为后续模型设定提供了初步依据，但具体因果机制需通过回归分析进一步检验。 表 5: 变量相关系数矩阵 <table><tr><td></td><td>upgrade</td><td>tech</td><td>data</td><td>trade</td><td>green</td><td>expen</td><td>gov</td><td>fdi</td></tr><tr><td>upgrade</td><td>1</td><td>0.1453</td><td>0.598</td><td>0.4671</td><td>0.0909</td><td>0.2212</td><td>0.3099</td><td>0.3002</td></tr><tr><td>tech</td><td>0.1453</td><td>1</td><td>-0.3618</td><td>-0.1175</td><td>-0.3738</td><td>-0.3411</td><td>0.4346</td><td>-0.0211</td></tr><tr><td>data</td><td>0.598</td><td>-0.3618</td><td>1</td><td>0.4475</td><td>0.6292</td><td>0.6868</td><td>-0.3</td><td>0.5171</td></tr><tr><td>trade</td><td>0.4671</td><td>-0.1175</td><td>0.4475</td><td>1</td><td>0.5182</td><td>0.5232</td><td>-0.2531</td><td>0.0646</td></tr><tr><td>green</td><td>0.0909</td><td>-0.3738</td><td>0.6292</td><td>0.5182</td><td>1</td><td>0.713</td><td>-0.6141</td><td>0.1881</td></tr><tr><td>expen</td><td>0.2212</td><td>-0.3411</td><td>0.6868</td><td>0.5232</td><td>0.713</td><td>1</td><td>-0.6004</td><td>0.0912</td></tr><tr><td>gov</td><td>0.3099</td><td>0.4346</td><td>-0.3</td><td>-0.2531</td><td>-0.6141</td><td>-0.6004</td><td>1</td><td>0.1611</td></tr><tr><td>fdi</td><td>0.3002</td><td>-0.0211</td><td>0.5171</td><td>0.0646</td><td>0.1881</td><td>0.0912</td><td>0.1611</td><td>1</td></tr></table> 数据来源：wind，西南证券 为检验各因素对产业升级的影响，本研究采用稳健标准误进行多元线性回归，模型整体拟合优度较高（ $R^2 = 0.8181$ ），且F统计量在 $1\%$ 水平上高度显著（ $F = 28.78, p = 0.0000$ ），表明模型设定合理，解释变量对被解释变量具有联合显著性。回归模型结果为： $$ \begin{array}{l} u p g r a d e _ {t} = 3. 3 0 8 + 0. 0 7 6 t e c h _ {t} + 0. 0 5 9 d a t a _ {t} + 0. 0 8 1 t r a d e _ {t} - 0. 0 0 9 g r e e n _ {t} - 0. 0 5 5 e x p e n _ {t} + \\ 0. 8 5 8 g o v _ {t} - 0. 0 5 4 f d i _ {t} + \varepsilon_ {t} \end{array} $$ 图2：产业升级影响因素的多元线性回归模型估计结果 <table><tr><td rowspan="5" colspan="4">Linear regression</td><td colspan="3">Number of obs = 37</td></tr><tr><td colspan="3">F(7, 29) = 28.78</td></tr><tr><td colspan="3">Prob > F = 0.0000</td></tr><tr><td colspan="3">R-squared = 0.8181</td></tr><tr><td colspan="3">Root MSE = .02368</td></tr><tr><td>upgrade</td><td>Coefficient</td><td>Robust std. err.</td><td>t</td><td>P>|t|</td><td colspan="2">[95% conf. interval]</td></tr><tr><td>tech</td><td>.0759406</td><td>.0274537</td><td>2.77</td><td>0.010</td><td>.0197915</td><td>.1320897</td></tr><tr><td>data</td><td>.0589991</td><td>.0064746</td><td>9.11</td><td>0.000</td><td>.045757</td><td>.0722412</td></tr><tr><td>trade</td><td>.0806508</td><td>.0222107</td><td>3.63</td><td>0.001</td><td>.0352248</td><td>.1260769</td></tr><tr><td>green</td><td>-.0092732</td><td>.0036884</td><td>-2.51</td><td>0.018</td><td>-.0168168</td><td>-.0017296</td></tr><tr><td>expen</td><td>-.0546359</td><td>.0509793</td><td>-1.07</td><td>0.293</td><td>-.1589004</td><td>.0496285</td></tr><tr><td>gov</td><td>.857776</td><td>.2346391</td><td>3.66</td><td>0.001</td><td>.3778853</td><td>1.337667</td></tr><tr><td>fdi</td><td>-.0539272</td><td>.0229737</td><td>-2.35</td><td>0.026</td><td>-.1009137</td><td>-.0069407</td></tr><tr><td>_cons</td><td>3.307569</td><td>.544274</td><td>6.08</td><td>0.000</td><td>2.194404</td><td>4.420735</td></tr></table> 数据来源：wind，西南证券 从核心解释变量来看，“高技术产业投资强度（tech）”的系数为0.076，且在 $5\%$ 水平上显著（ $p = 0.010$ ）。这表明以高技术产业投资为代表的创新要素，对产业结构向更高层次演进具有明确的推动作用。“数字支付普及程度（data）”的系数为0.059，在 $1\%$ 水平上高度显著（ $p = 0.000$ ），是影响最为稳健的变量。这证实了数据要素的渗透能有效优化资源配置，成为驱动产业升级的新动能。“贸易技术含量（trade）”的系数为0.081，在 $1\%$ 水平上显著（ $p = 0.001$ ）。这意味着进出口结构向高新技术产品倾斜，能够通过技术溢出和竞争效应，显著促进国内产业升级。 从控制变量来看，“绿色融资活跃度（green）”的系数在 $5\%$ 水平上显著为负（-0.009）。一种可能的解释是，在观测期内，绿色投资可能更多集中于对传统产业的环保改造，与以服务业发展为导向的产业结构升级指标存在统计上的负相关。这揭示了绿色发展与产业升级的协同关系可能存在时序上的复杂性。“财政支出率（gov）”的系数高达0.858，且在 $1\%$ 水平上显著，表明在当前阶段，政府支出依然是引导产业资源配置、推动升级的重要力量。“外商直接投资水平（fdi）”的系数在 $5\%$ 水平上显著为负（-0.054）。这可能意味着，在样本期内，FDI可能更多地进入了附加值相对较低的环节，或对本土企业的技术升级产生了一定的挤出效应。“最终需求和购买力水平（expen）”的系数为负且不显著，说明在本模型中，居民消费支出并未直接转化为对产业升级的拉动，产业升级的动力主要来自供给侧和技术侧。 此外，本文对基准回归模型进行了关键设定检验。如表7所示，模型中所有解释变量的方差膨胀因子（VIF）值均处于较低水平。其中，最大值（data, VIF=3.62）远低于经验临界值10，平均值VIF为2.43，也远低于警戒水平5。这表明模型整体不存在严重的多重共线性问题，各解释变量之间的独立性较好，所估计的回归系数是稳定可靠的。图4呈现了White检验等结果。其原假设为“模型存在同方差”。检验得到的卡方值为36.94，对应的p值为0.3795，远大于0.05的显著性水平。因此，不能拒绝同方差的原假设。Cameron & Trivedi分解检验进一步将差异分解为异方差、偏度和峰度三个来源，所有分项的p值均较大，同样支持同方差的结论。综上，异方差检验结果表明，模型残差不存在显著的异方差性，满足经典线性回归模型的基本假设，使用普通最小二乘法进行估计是有效的。 图3：针对多重共线性的VIF检验结果 <table><tr><td>Variable</td><td>VIF</td><td>1/VIF</td></tr><tr><td>data</td><td>3.62</td><td>0.275945</td></tr><tr><td>expen</td><td>3.43</td><td>0.291608</td></tr><tr><td>green</td><td>2.89</td><td>0.346035</td></tr><tr><td>gov</td><td>2.30</td><td>0.434990</td></tr><tr><td>fdi</td><td>1.81</td><td>0.553335</td></tr><tr><td>trade</td><td>1.56</td><td>0.639144</td></tr><tr><td>tech</td><td>1.37</td><td>0.727509</td></tr><tr><td>Mean VIF</td><td>2.43</td><td></td></tr></table> 数据来源：wind，西南证券 图4：针对异方差的White检验和Cameron&Trivedi检验结果 <table><tr><td>Source</td><td>chi2</td><td>df</td><td>p</td></tr><tr><td>Heteroskedasticity</td><td>36.94</td><td>35</td><td>0.3795</td></tr><tr><td>Skewness</td><td>4.92</td><td>7</td><td>0.6702</td></tr><tr><td>Kurtosis</td><td>0.17</td><td>1</td><td>0.6798</td></tr><tr><td>Total</td><td>42.02</td><td>43</td><td>0.5136</td></tr></table> 数据来源：wind，西南证券 最后，本文对模型残差进行检验。为检验模型残差是否服从正态分布，本文绘制了残差的正态概率图。图5中横轴为理论正态分位数（Inverse normal），纵轴为标准化后的模型残差观测值（Residuals）。若残差完全服从正态分布，则所有散点应严格沿图中的黑色参考直线分布。观察可见，代表实际残差的蓝色散点在整条参考线附近呈近似线性排列，其分布趋势与理论直线高度重合，未出现系统性的弯曲或大幅偏离，表明模型残差整体服从正态分布，满足线性回归模型的核心条件。为检验模型的合理性，本文绘制了残差与拟合值关系图。图中横轴为模型拟合值（Fitted values），纵轴为对应残差（Residuals）。观察可见，残差点在纵轴零点（Residuals = 0）附近呈现随机、均匀的散布状态，无明显趋势性变化或规律性集聚，且其离散范围（约-0.04至0.06）在不同拟合值水平（2.4至2.6）上保持相对稳定。这表明模型残差基本满足独立性、同方差性及线性关系假设，具有较好的稳健性与解释力。 图5：残差正态性Q-Q图 数据来源：wind，西南证券 图6：残差同方差性与独立性诊断图 数据来源：wind，西南证券 总的来看，回归分析证实了研究假设：技术创新、数字经济与高质量开放是驱动产业升级的核心引擎。其中，数字要素的普及作用最为显著。同时，结果也揭示了产业升级进程中的结构性特征：政府主导作用明显，而绿色转型、外资引入与内需拉动等维度与产业升级的关系则呈现出阶段性或结构性的复杂态势，为后续研究提供了重要参考。 # 3 新经济赋能产业升级的多维机制 在理论模型的指引下，新经济推动产业升级主要依托三大路径：技术融合、要素创新与组织变革。在系统比较中外实践与总结发展规律之前，清晰阐释这三条路径的内在逻辑与作用机制，能为理解产业演进提供关键的分析框架。 # 3.1 技术变革：“创造性破坏”的动态过程 在技术发展层面，新经济的成长日益依赖于技术与产业的深度融合。大数据等技术因其内生的广泛适用性，能够重组生产流程、模糊产业边界，进而通过“创造性破坏”推动产业结构向高级化与合理化演进。“创造性破坏”理论（creative destruction）由经济学家约瑟夫·熊彼特提出，他指出经济增长的本质并非平稳累积，而是借助新技术、新产业和新模式不断冲击并替代旧有经济结构与社会形态的动态过程。在这一过程中，研发经费及其投入强度已成为衡量国家科技创新能力的重要指标。以我国工业企业“十四五”期间的数据为例，2024年R&D经费投入强度排名前十的行业均呈现上升态势。其中，铁路、船舶、航空航天和其他运输设备制造业，以及医药制造业的投入强度分别较2020年提高1.8和1.4个百分点。相反，排名后十行业的研发投入强度都在 $1\%$ 以下，其中石油、煤炭及其他燃料加工业、烟草制品业、燃气生产和供应业五年间的投入强度分别下降了0.12、0.02和0.05个百分点。这一差异反映出“创造性破坏”的现实表现，即传统能源行业技术增长动力相对有限，而航空航天、医药等高技术领域则展现出更强的创新活力，其所孕育的新动能正在不断重塑既有的产业结构。 图7：规模以上工业企业研发经费投入强度分化，技术密集型行业经费投入强度显著上升 数据来源：国家统计局，西南证券整理。注：横线以上的为2024年规模以上工业企业研发经费投入强度排名前10位的行业，横线以下的是排名后10位的行业，绿色部分表示该行业2024年投入强度相较于2020年有所下降 值得注意的是，在内生增长模型与熊彼特提出的“创造性破坏”理论的基础上，菲利普·阿吉翁和彼得·豪伊特将熊彼特在《资本主义、社会主义与民主》中提出的“创造性破坏”概念引入了实证模型，建构出“熊彼特内生增长模型”，从而将仅包括逻辑推演的思想模型转变为可供指引实证研究的分析框架。两位经济学家也因此获得了2025年诺贝尔经济学奖，以 表彰他们在创新驱动经济增长理论方面做出的贡献。从索洛模型强调技术进步是唯一的外生驱动力，到内生增长理论将技术和知识内化为增长核心引擎，再到熊彼特以“创造性破坏”刻画创新过程的动态本质，以及阿吉翁等人为此构建的实证分析框架，现代经济增长理论对技术进步的认知经历了深刻的演变。这一演变不仅体现在理论层面，即技术进步从一种难以言明的“剩余”要素，转变为具有正外部性和规模报酬递增特性的内生变量；也体现在方法论层面，即技术进步的过程从宏观上的抽象概念，逐步发展为可微观度量、可实证检验的动态机制，其“创造性”与“破坏性”的共生特质也得到了充分揭示。在中国发展新质生产力的背景下，“创造性破坏”的过程预计将更为显著。阿吉翁所发展的“熊彼特范式”强调“创新与知识传播是增长的核心”，并且“创新依赖于有效的激励与健全的产权保护”。这为政策制定提供了关键参考，即在鼓励创新、接纳动态变化的同时，也需着力构建支持全面创新的生态系统。 # 3.2要素创新：效用递增标准下的资源配置 内生增长理论的一个核心洞见，是对索洛模型中资本边际产出递减假定的突破，转而强调知识等生产要素所具有的收益递增特性。在新经济发展中的要素创新层面，知识、数据、算力等新型生产要素的涌现，正是新质生产力区别于传统生产力的关键所在，它们正在驱动劳动、资本等传统要素发生系统性变革。 劳动要素方面，国家全员劳动生产率是衡量劳动力投入产出效率的关键指标，其计算公式为国内生产总值（GDP）与全部从业人员年平均人数之比。2001-2012年，我国全员劳动生产率保持高速增长，年复合增速CAGR达 $11.1\%$ ，各年增速多集中在 $8\%$ 至 $11\%$ 的区间内。然而，2014-2024年，CAGR回落至 $7.5\%$ 左右，各年增速多在 $6\%$ 至 $8\%$ 之间波动，显示出劳动要素对经济增长的拉动作用有所放缓。值得注意的是，我国劳动力质量正在显著提升。2023年，我国新增劳动力平均受教育年限已提高至14年，接受高等教育的人口规模超过2.5亿，标志着我国正从人力资源大国向人力资本强国转变。随着人口素质的持续改善，我国传统的人口数量优势正逐步转化为人才质量优势，为劳动生产率的持续提升奠定坚实基础。 资本要素方面，增量资本产出率（ICOR）作为衡量投资效率的核心指标，其经济含义是每增加1元GDP所需投入的资本金额。ICOR数值越高，表明单位产出增长所需的资本投入越大，投资效率则越低。从变化趋势看，我国的ICOR指标自2008年前后起呈现波动上升态势。2008年我国ICOR约为2.84，到2023年增加至9.44。这一变化表明，创造同等规模的GDP增量所需要的资本投入显著增加，反映出资本投入的边际产出效率呈现递减趋势。近年来，以大规模设备更新和消费品以旧换新的“两新”政策为代表的措施，通过激发市场需求和推动设备升级，旨在提升资本的使用效率。同时，围绕国家重大战略部署和民生短板的“两重”项目，则致力于通过优化投资方向来改善资本配置。政策的协同发力有助于引导资本流向更富效率的领域，从而提升资本要素的整体活力。 新经济引领下，原有生产函数将在物质资本和简单劳动力的基础上，增加具有更高经济效益的新变量。全要素生产率（Total Factor Productivity, TFP）是衡量一个经济体将各类要素投入转化为实际产出的综合效率的核心指标，它反映了除资本、劳动等有形要素投入贡献之外，由技术进步、专业化生产、资源配置优化等无形因素所驱动的产出增长部分。根据Our world in data数据平台测算，2000-2023年我国全要素生产率由 $0.51\%$ 上升至 $1.01\%$ 。与同期美国、日本等发达经济体相比，我国全要素生产率增速相对较快，这一方面反映了我国作为后发经济体在技术吸收、产业追赶和市场化改革进程中可能存在的“后发优势”，另一方面也凸显出新经济发展模式下，要素创新性配置对全要素生产率提升的积极拉动。 具体来看，数据要素作为第五大生产要素，与土地、劳动力、资本、技术等传统要素相比，具有非竞争性、非排他性、低成本复用等典型特征。其价值并不因使用频率增加而耗损，反而随着数据规模的扩大、完整性的提升以及应用场景的丰富，展现出明显的边际成本递减与边际收益递增特性。在宏观层面，国家工业信息安全发展研究中心在《中国数据要素市场发展报告（2021—2022）》中，基于Leontief投入产出模型，测度了我国各行业数据要素的产出弹性。结果显示，信息传输、软件和信息技术服务业的数据要素产出弹性达到3.044，意味着该行业数据投入每增加 $1\%$ ，可带动产出提升约 $3.044\%$ ，显示出较强的要素敏感性与规模报酬递增属性。科学研究和技术服务业的产出弹性系数为1.5699，同样符合数据要素的边际收益递增规律。在微观层面，数据要素对企业绩效的提升作用同样显著。该报告指出，通过推进数据驱动的生产流程优化与管理变革，企业平均可实现生产效率提升 $42.8\%$ ，产品研发周期缩短 $15.33\%$ ，显示出数据要素在提质增效与加速创新方面的重要作用。 图8：世界各国全要素生产率变化 数据来源：Our world in data, 西南证券整理。注：该指标以指数形式表示,其数值是相对于各国在 2021 年的水平。指数值为 1 表示该国与 2021年的水平相同 表 6：数据驱动类行业的数据要素产出弹性较高 <table><tr><td>行业名称</td><td>对行业产出弹性(%)</td></tr><tr><td>信息传输、软件和信息技术服务业</td><td>3.044</td></tr><tr><td>科学研究和技术服务业</td><td>1.5699</td></tr><tr><td>卫生和社会工作</td><td>0.5736</td></tr><tr><td>制造业</td><td>0.4643</td></tr><tr><td>电力、热力、燃气及水生产和供应业</td><td>0.1014</td></tr><tr><td>交通运输、仓储和邮政业</td><td>0.0989</td></tr><tr><td>居民服务、修理和其他服务业</td><td>0.0363</td></tr><tr><td>租赁和商务服务业</td><td>0.0295</td></tr><tr><td>教育行业</td><td>0.0084</td></tr><tr><td>建筑业</td><td>0.0048</td></tr><tr><td>采矿业</td><td>0.0031</td></tr><tr><td>水利、环境和公共设施管理业</td><td>0.0027</td></tr><tr><td>住宿和餐饮业</td><td>0.0021</td></tr><tr><td>文化、体育和娱乐业</td><td>0.0016</td></tr></table> 数据来源：《中国数据要素市场发展报告2021-2022》，西南证券整理 # 3.3 产业协同：集群发展的资源互补和优势整合 两部门模型是索洛模型的重要拓展，其核心突破在于放宽了“单一生产部门”的假设，从而更贴近现实地揭示了技术进步的内在机制。该模型将经济划分为两个部门：制造业企业负责生产用于消费和实物资本投资的产品与服务，而研究型大学则专注于生产“知识”这一关键生产要素。在模型中，参数 $u$ 表示投入大学的劳动力比例，(1-u)为投入制造业的劳动力比例，E为知识存量，知识增长函数 $g(u)$ 则反映知识积累对大学劳动力配置的依赖关系。据此，制造业部门的生产函数可表述为： $$ Y = F [ K, (1 - u) L E ] $$ 而大学部门的生产成果体现为知识存量的增长，其生产函数为： $$ \Delta E = g (u) E $$ 该模型的一个重要启示是，当资本的定义扩展至包含知识要素时，经济整体将呈现出规模收益不变而非递减的特征。这是因为大学部门的知识创造具有自我积累、持续加速的特性，有效抵消了传统资本边际收益递减的趋势。将两部门模型置于现实经济背景下，可依据知识要素的密集程度，将产业大致划分为传统部门与新兴产业部门。两者在“大学的劳动比例”u上存在显著差异：传统部门资本密集但技术进步缓慢，u值较低；新兴产业部门则技术密集、创新活跃，u值较高。在此框架下，产业协同与区域协同的本质，正是资本、劳动等要素基于效率原则在部门间、区域间的优化配置，也即寻找合适的u值，使得经济体中所有部门的效益（Y+ΔE）最大化的过程。上述分析表明，在新经济背景下，传统产业升级已超越单一企业的孤立行为。协同机制通过有效降低制度成本与技术门槛，促进了各类创新要素的高效集聚与扩散。有鉴于此，传统理论模型中的“知识”要素在实践中已扩展为更广义的“创新要素”集合，共同为产业持续发展注入核心动力。 从空间布局来看，在京津冀协同发展、长江经济带建设、粤港澳大湾区建设等国家区域发展战略推动下，我国已初步形成12个功能区，其中京津冀地区最具代表性。2014年，面对区域内部发展不平衡和优化首都功能的需要，京津冀协同发展正式上升为国家战略。至2024年，该区域地区生产总值达到11.5万亿元，为2013年的两倍。同年，京津冀三地GDP增速分别为 $5.2\%$ 、 $5.1\%$ 和 $5.4\%$ ，均超过全国平均水平，进一步凸显其作为全国高质量发展动力源的引领作用。从增速变化趋势可见，自2014年协同发展战略实施以来，区域经济逐步扭转了此前增速放缓的态势，持续跑赢全国平均水平，协同效应日益显现。除经济增长指标外，中国信息通信研究院于2025年10月发布了京津冀产业链群协同发展指标体系。该体系围绕产业规模支撑力、协同发展聚合力、技术创新驱动力和先进制造竞争力四个维度，设置8项二级指标和17项三级指标，全面评估区域经济总量、产业活力、集群耦合与发展质量等关键方面。此类系统化指标有望为未来京津冀乃至更广区域的产业协作提供科学指引。 图9：我国主要综合功能区划分图 资料来源：国家科学思想库，西南证券整理 图10：京津冀区域经济增速总体高于全国增速 数据来源：wind，西南证券整理 具体而言，区域发展主要通过地理集聚与专业化分工，推动产业链上下游企业实现高效协同与资源互补。在产业集群内部，企业能够共享基础设施、技术平台、人才资源与市场渠道，有效促进技术创新的快速扩散，形成协同演进的产业生态。以京津冀地区为例，近年来三地联合构建“六链五群”产业体系，与2025年10月国家“十五五”规划中关于集群化发展的导向高度契合。发展成效方面，2025年1-9月，河北省吸纳京津技术合同成交额达650.2亿元，同比增长 $5.3\%$ ，显示出科技成果跨区域转化的活跃态势。同期，天津来自京津冀的产业项目到位资金为990.4亿元，占全市产业项目到位资金总额的比重接近 $50\%$ ，反映出区域 产业协作的深度融合与强劲动能。在协同效应持续释放的同时，京津冀三地也立足自身资源禀赋和产业基础，实现了错位布局与功能互补。京津冀地区的协同实践，为全国其他功能区提供了重要范式。在这一典范的引领下，我国以产业集群带动区域集群的发展新动能有望持续释放。 表 7：京津冀的“六链五群”产业集群 <table><tr><td colspan="2">代表产业链和集群</td><td>发展成果</td></tr><tr><td rowspan="6">6条产业链</td><td>氢能</td><td>在全国燃料电池汽车示范城市群建设的前两个示范年度,京津冀地区超额完成燃料电池汽车推广2509辆;截至2024年底,三地累计推广燃料电池车辆超6000辆。</td></tr><tr><td>生物医药</td><td>2021-2024年,京津冀地区获批上市创新药13个,占全国16.9%;累计获批上市第三类创新医疗器械75个,占全国26%。</td></tr><tr><td>网络安全和工业互联网</td><td>2025年上半年,京津冀地区互联网业务收入3310亿元,同比增7.4%,占全国互联网业务收入的34.4%;河北综合算力指数为全国第一,张北数据中心规模居亚洲前列。</td></tr><tr><td>高端仪器设备和工业母机</td><td>2024年,京津冀地区相关产业企业超570家,产业规模720亿元左右。</td></tr><tr><td>新能源和智能网联汽车</td><td>2024年,京津冀地区实现汽车产量285万辆,同比增长11.8%,其中新能源汽车67.6万辆,同比增154%。</td></tr><tr><td>机器人</td><td>目前,唐山高新区已初步形成以机器人为引领的“五大产业集群”,机器人企业超236家,占河北省60%以上。</td></tr><tr><td rowspan="5">5个集群</td><td>集成电路</td><td>2024年1-11月,京津冀集成电路产量258.35亿块,同比增19.8%。到2028年,三地集成电路产业的目标销售收入为4500亿元。</td></tr><tr><td>新一代信息技术应用创新</td><td>2024年,新一代信息技术应用创新产业集群规模占全国50%以上,对国产四大CPU发展路线中的三种实现全面覆盖。</td></tr><tr><td>生物医药</td><td>-</td></tr><tr><td>电力装备</td><td>截至2024年,保定电力及新能源高端装备集群产值在全国占比超20%。</td></tr><tr><td>安全应急装备</td><td>现有安全应急装备企业3219家,规上企业1331家,2023年集群产值2189亿元。</td></tr></table> 资料来源：各地政府、发改委、工信部官网、西南证券整理 # 4 中国的多元赋能路径 党的二十大报告将“推动制造业高端化、智能化、绿色化发展”列为建设现代化产业体系的明确方向，近年来，我国也形成了以高端化、智能化、绿色化赋能为主要特征的全球化发展路径。高端化方面，通过价值链攀升与技术设备更新，推动产业向中高端迈进，增强自主创新能力；在智能化领域，积极壮大数字经济，深化人工智能与实体经济融合，加快发展新质生产力；绿色转型方面，围绕“双碳”目标持续推进绿色制造与绿色金融体系建设，构建可持续发展新模式；全球化方面，从开放制度出发不断提高对外水平，同时强调服务贸易的引领作用。总体来看，这四条路径清晰勾勒出我国新经济发展的特色方向，并将在“十五五”期间持续引领经济结构转型升级。下文将结合实践进展与规划要求，对各路径的发展现状与未来趋势展开具体分析。 # 4.1 高端化赋能路径：新需求与新供给的良性共促 高端化发展路径的核心在于产业升级。它侧重于通过技术创新，推动产业从相对低端向更高技术水平、更高附加值的状态持续演进。其目标是让产业具备“高技术含量、高附加值” 的特征。这一过程不仅是增强经济竞争力的根本，也是“以新需求引领新供给，以新供给创造新需求”的关键。通过提供更优质、更前沿的产品与服务，高端化能够直接满足乃至引领消费升级趋势，将产业进步转化为市场竞争力。值得注意的是，“高端化”并非特指新兴产业，而是强调升级的路径和结果。即使是传统的制造业、基础工业，只要通过技术改造实现了生产效率和产品价值的跃升，就属于高端化的范畴。这种升级不仅能优化供给结构，更能催生和匹配更高层次的消费需求，形成供需之间的良性循环。 在我国产业高端化路径里，其目标主要是解决制造业“大而不强”、“全而不精”的问题。在路径上，呈现出从劳动密集型向技术、知识密集型转变，向产业链和价值链的高端环节攀升的特征。在覆盖范围上，一方面强调大力发展战略新兴产业，培育新的消费增长点；另一方面也支持传统产业经过数字化、智能化改造后实现业态升级，使其产品更好地适应和激发现代消费者的需求。具体而言，近年宏观政策呈现出三方面特征：第一，强化科技自立自强，前瞻布局战略性新兴产业和未来产业，提升制造业的技术能级与前沿布局能力；第二，以提升产业价值为导向，通过“两重”（国家重大战略实施和重点领域安全能力建设）、“两新”（大规模设备更新和消费品以旧换新）政策，结合超长期特别国债等举措，推动生产方式高效升级；第三，推动现代服务业，特别是生产性服务业与先进制造业深度融合，增强产业体系的创新活力与发展韧性。 # 4.1.1 高水平自立自强的系统化布局 “十四五”以来，我国科技创新能力持续增强。科技投入规模不断扩大，2024年全社会研发投入达到3.61万亿元，稳居世界第二位，较2020年增长 $48\%$ ，研发投入强度提升至 $2.68\%$ ，高于欧盟国家 $2.11\%$ 的平均水平，与包括美国在内的发达国家的差距进一步收窄。国家战略科技力量不断夯实，实验室体系建设有序推进，科研机构和高水平研究型大学的科研能力显著增强。2024年，我国在全球创新指数中的排名已跃升至第11位，较2012年累计提升23位，显示出持续进步的创新实力。科技创新与产业创新融合步伐加快，新质生产力呈现蓬勃发展态势。以新产业、新业态、新商业模式为代表的“三新”经济表现突出，2024年实现增速 $6.7\%$ ，2021-2024年“三新”经济增加值的CAGR为 $9.45\%$ 。其中，第三产业在“三新”经济中占比进一步提升，增速继续领先于第一、第二产业，展现出强劲的发展动能。这些成果均反映出在新经济背景下，科技发展成果正加速向新业态转化，科技的高端化赋能实践效果显著。 图11：全国研发投入占比不断提升 数据来源：国家统计局，世界银行，《美国研发活动统计》，西南证券整理 图12：“三新”产业中第三产业占比提升，增速排名居前 数据来源：国家统计局，西南证券整理 “十五五”时期，我国在持续推进科技整体进步的同时，更加突出战略性新兴产业和未来产业作为经济增长新引擎的关键作用。2025年10月发布的“十五五”规划建议，将“加快高水平科技自立自强”置于核心位置，强调发挥战略性新兴产业的引领带动功能，明确要求“加快新能源、新材料、航空航天、低空经济等战略性新兴产业集群发展”。同时，规划首次将“航天强国”与“制造强国”“质量强国”等并列表述，凸显国家对航空航天等高端制造业的重视程度进一步提升。在延续“十四五”对新材料、新能源、航空航天等重点领域支持的基础上，“十五五”规划进一步强化对未来产业的前瞻部署，明确提出布局生物制造、具身智能等新方向，旨在培育新的经济增长点，力争在未来十年内“再造一个高技术产业”。这一部署也是对此前“科技创新2030—重大项目”的延续与深化，有望加速推动国家重大科技项目的落地实施。截至2024年底，我国战略性新兴产业有效发明专利量达134.9万件，同比增长 $15.7\%$ 。高校和科研机构新增专利申请中，发明专利占比提高至 $70.4\%$ ，反映出产业创新活力持续增强。2024年，量子科技与生物制造的市场规模持续高速增长，原子级制造正从理论创新与关键技术突破迈向产业化阶段，清洁氢在构建新型能源体系中的作用日益关键，未来产业的商业化进程正全面提速。 图13：规划对战略性新兴产业和未来产业的不同侧重 资料来源：国务院，西南证券整理 # 4.1.2“硬投资”和“软建设”加力扩围 “两重”、“两新”政策是我国在2024年做出的重大战略部署。从外部环境看，在国际环境复杂多变的背景下，供应链的韧性和关键领域的自主可控能力变得更重要，而产业高端化发展也必须以安全可靠的产业链和供应链为支撑。“两重”政策聚焦重点领域安全能力建设，在科技自强、粮食和能源资源安全等方面突破瓶颈，确保发展持续稳定。从内部环境看，现阶段我国经济已经进入增量扩张和存量更新并重的阶段，很多存量资产陆续进入报废和更新的高峰期，投资拉动的边际效应在递减。“两新”政策旨在挖掘存量价值，将更新换代的需求转换为经济增长动力。“两重”政策最初在2024年《政府工作报告》中提出，即 “拟连续几年发行超长期特别国债，专项用于国家重大战略实施和重点领域安全能力建设”。 2024年2月，习近平总书记在中央财经委员会第四次会议上强调，“要鼓励引导新一轮大 规模设备更新和消费品以旧换新”，为“两新”政策定调。 图14：“两重”“两新”的政策内涵 资料来源：财政部、求是网,西南证券整理 图15：超长期特别国债发行速度快于去年 数据来源：财政部，西南证券整理 “两重”、“两新”扩内需政策实施以来，对扩大有效投资、提振消费需求、改善社会民生起到了重要的牵引作用。从总量看，截至10月14日，全年1.3万亿元超长期特别国债发行计划全部完成。今年超长债发行呈现三个特点：一是发行节奏显著提速，今年首期债券于4月24日启动，并于10月14日收官，相比去年启动和结束时间均提前近一个月，体现财政政策靠前发力的考量。二是资金使用方向明确，1.3万亿元资金被精准安排用于支持“两重”“两新”项目，有效推动产业结构优化和国内需求扩大。三是规模效益放大，发行总额较2024年的1万亿元增加了3000亿元，增幅达到 $30\%$ 。具体来看，“两重”支持的重大工程体量大、产业带动强，为经济平稳运行提供了坚实支撑。2025年7月，8000亿元“两重”建设项目清单已全部下达完毕，共支持1459个项目，涉及长江流域生态修复、长江沿线重大交通基础设施、西部陆海新通道、高标准农田、重大水利工程、城市地下管网等。前三季度，基础设施投资同比增长 $1.1\%$ ，增速相比上半年有所放缓，但仍高于全部投资1.6个百分点。2024年以来，高技术制造业和装备制造业工业增加值单月同比增速保持在 $6\%$ 以上，展现出较强增长动力。“两新”政策效果方面，前三季度，设备器具购置投资同比增长 $14\%$ ，拉动全部投资增长2个百分点，成为拉动投资的重要支点。与设备更新相关的计算机及办公设备制造业、通用设备制造业、铁路船舶航空航天和其他运输设备制造业投资分别增长 $7.4\%$ 、 $11.8\%$ 、 $22.3\%$ 。同时，与设备更新所突出的供给侧优化相比，消费品以旧换新体现了需求侧的潜能释放。前三季度，最终消费支出对经济增长贡献率达到 $53.5\%$ ，比上年全年提升9.0个百分点，充分发挥经济增长主引擎作用。2025年1-11月，社会消费品零售总额同比增长 $4\%$ ，增速较1-10月回落0.3个百分点，延续了6月以来的持续下降态势。11月单月，社消总额同比增长 $1.3\%$ ，较10月回落1.6个百分点，同比增速连续6个月走低，主要因基数上升以及“以旧换新”拉动效果减弱。1-11月，服务零售额同比增长 $5.4\%$ ，增速比1-10月加快0.1个百分点，高于同期商品零售额1.3个百分点，服务消费的引领作用明显，消费加力扩围的效应持续释放。 图16：高技术制造业和装备制造业增速持续改善 数据来源：wind，西南证券整理 图17：“两新”政策助力需求侧动能释放 数据来源：wind，西南证券整理 # 4.1.3 多元消费生态驱动服务业提质 从消费预期走势来看，消费者信心的稳步回升，为服务消费的扩容提质提供了重要的预期基础。2025年10月，我国消费者预期信心指数升至89.9，延续了自2023年7月疫情基本结束后的缓慢回升态势。然而，2024年及2025年中期均出现了消费意愿与就业信心的短暂背离，并伴随着社会消费品零售总额增速的同步放缓。2024年3-6月，消费意愿与就业信心出现背离，背离期间，社会消费品零售总额单月增速由 $3.1\%$ 降至 $2.0\%$ 。2025年6月，消费意愿与就业信心再次出现背离，同期社消总额增速由 $4.8\%$ 降至11月的 $1.3\%$ 。消费信心走势分化，反映服务消费的持续复苏仍需更稳固的就业市场支撑。为此，政策层面正积极引导：2025年11月，工信部等六部门印发《关于增强消费品供需适配性进一步促进消费的实施方案》，提出到2027年，消费品供给结构明显优化，形成3个万亿级消费领域和10个千亿级消费热点。12月中央经济工作会议也指出，优化“两新”政策实施，并清理消费领域不合理限制措施。这些举措旨在通过改善供给结构、激发多元消费潜力，从而巩固消费信心，结束关键指标的背离状态，为服务消费的提质升级创造有利的宏观环境。 从消费偏好变化来看，产业的高端化发展直接响应于消费需求的升级。当消费者需求日趋多元、精致与个性化时，企业需通过产品创新、品牌升级与模式转型积极适应，从而在供给侧实现高端化提升。当前，首发经济的个性化和定制化能满足年轻消费者的“情绪价值”需求，融合银发经济、谷子经济、低空经济等的首发经济有望成为拉动消费的重要引擎。2024年国内新增首店数量已形成以上海、北京、成都为第一梯队，重庆、深圳、南京为第二梯队，杭州、苏州、广州等为第三梯队的发展格局。以“谷子经济”为例，作为二次元文化消费的代表形态，“谷子经济”已形成从IP创作、衍生品设计开发、多渠道销售到社群运营的完整产业链条，体现了消费与产业互动的高端化导向。据艾媒咨询测算，2024年中国谷子经济市场规模达1689亿元，较2023年增长 $40.63\%$ ，预计2029年中国谷子经济市场规模超3000亿元，市场规模增长速度加快。“谷子经济”产业链上游以优质IP为核心驱动力，通过精准授权策略开启衍生变现大门；中游则聚焦产品设计与生产，结合镭射、夜光等工艺提升产品附加值，例如亚克力立牌因其透光性和低成本成为入门级热门品类；下游渠道涵盖线上电商平台和线下主题商场，引入谷子店和沉浸式主题空间，实现销售额和客流量的大幅增长。 图18：我国消费者信心指数呈现回升趋势 数据来源：wind，西南证券整理 图19：年轻人情绪消费意愿度 数据来源：《2025 年轻人情绪消费趋势报告》,西南证券整理 # 4.2智能化赋能路径：全链条推进“数实融合” 随着数字技术的深入发展，数据资源日益成为驱动社会进步的核心要素。数字化是指在经济社会各领域广泛运用数字与信息技术，并将数据作为关键生产要素的转型进程。在此基础之上，智能化正逐渐成为数字化发展的高级形态和重要方向，其核心在于推动智能技术与社会生产生活深度融合，依托智能系统提升运行效率和服务水平。立足“十五五”时期的新发展阶段，我国将数字化贯穿于现代化建设的各方面，系统构建以“产业融合提质、要素融合赋能、设施融合增效”为核心的战略框架，全面助推数字经济和实体经济融合发展。 # 4.2.1“智改数转”推动产业提质增效 近年来，我国数字经济持续高速增长，与实体经济的融合不断深化。数字经济规模从2012年的11.2万亿元增长至2023年的53.9万亿元，在十一年间扩张了3.8倍，显示出强劲的发展势头。在数字经济发展浪潮下，在产业层面实施智能化改造和数字化转型（即“智改数转”）是促进数字经济和实体经济深度融合、释放数字技术对经济发展放大叠加倍增作用的重要途径。从产业渗透率来看，2023年我国第一、二、三产业的数字经济渗透率分别为 $10.78\%$ 、 $25.03\%$ 和 $45.63\%$ 。其中，第二产业（工业）的渗透率增幅首次超过第三产业，表明工业领域的智能化改造和数字化转型正在加速，成为当前融合的焦点。从数字化与产业化的发展趋势来看，我国数字产业化与产业数字化的比重由2012年的约3：7发展为2023年的约2：8，数字产业化、产业数字化占数字经济的比重分别为 $18.7\%$ 和 $81.3\%$ 。产业数字化占数字经济比重已超过八成，成为绝对主力。根据华为发布的《全球数智化指数（GDII）2025》，我国以67.8的得分位居中等收入国家首位，显示出在数智化发展方面取得的显著进展。然而，与新加坡（77.4）、美国（77.2）等高收入国家相比，仍存在一定差距。从各领域评分来看，不同收入国家在政策布局与数据应用方面普遍表现良好，反映出全球多数国家已启动数字化战略并进入初步应用阶段。对我国而言，在数据生成、传输、处理及存储等关键环节的相对薄弱，提示未来需加强对这些支柱领域的精准投入，以进一步提升整体数智化水平。近年来，我国在实践层面扎实推进各行业“智改数转”。在制造业领域，我国已累计培育421家国家级智能制造示范工厂，建成万余家省级数字化车间和智能工厂。在服务业领域，数字融合催生了丰富的新业态。我国已连续12年成为全球第一大网络零售市场，移动支付、网约车、外卖配送、数字文旅、在线医疗等服务日益普及。 图20：近年来我国数字经济规模增速加快 数据来源：中国信息通信研究院，国家数据局，西南证券整理注：红色柱状为数据来源发布的数据，黄色柱状为根据已发布的数据运用插值法补全的数据 图21：不同收入国家的数智化程度得分差异 数据来源：《全球数智化指数（GDII）2025》，西南证券整理 # 4.2.2 统一大市场激活要素潜能 数据作为关键生产要素，其市场化配置已成为“十五五”时期数字化部署的核心任务。在制度构建方面，我国持续完善数据要素相关基础制度，2022年出台《关于构建数据基础制度更好发挥数据要素作用的意见》（即“数据二十条”），明确提出建立四大数据基础制度体系。2023年，国家数据局正式挂牌成立，统筹推进数据基础制度与体系建设。2025年1月，国家发改委印发《国家数据基础设施建设指引》，对未来五年国家数据基础设施建设作出系统规划，明确到2029年基本建立相关建设与运营体制机制。“十四五”以来，全国已有超过20个地区颁布数据条例，省市两级制定公共数据授权运营相关政策超过87项，进一步夯实了数据治理的地方实践基础。在区域试点方面，国家在北京、辽宁、浙江、安徽等10个省份布局建设数据要素综合试验区，鼓励各地在培育市场主体、繁荣数据生态等方面开展先行探索，加快推进数据要素市场化与价值化进程。在数据要素交易方面，据国家数据局预估，2024年我国数据交易规模有望突破1600亿元，同比增长超过 $30\%$ 。我国数据交易所已从初步探索阶段迈入规范化、规模化发展的新阶段，成为释放数据价值的重要平台。目前全国已设立超过50家数据交易机构，形成“一地一所”与区域中心并存的发展格局。其中，北京、上海、深圳、贵州等地的交易所以差异化定位引领行业创新。数据产品形态也日益丰富，从传统的原始数据包、API接口，逐步扩展至数据分析报告、数据应用、算力服务乃至AI模型等高附加值形态，此类产品已占产品总量的近三成。当前数据产品主要应用于财税金融、航运交通、智慧城市及营销商贸等领域，并加速向智能制造、医疗卫生、教育科研等更广泛的产业与社会治理场景渗透。 表 8: “数据二十条” 的四大基础制度内涵 <table><tr><td>我国四大数据基础制度体系</td><td>具体内容</td></tr><tr><td>数据产权制度体系</td><td>数据资源持有权、数据加工使用权、数据产品经营权实现“三权分置”，在数据处理流通的不同环节界定和保障各方合法权益</td></tr><tr><td>数据要素流通和交易制度体系</td><td>构建合规高效、场内外结合的交易体系。统筹规划数据交易场所，建立数据可信流通体系，促进数据合规高效流通使用</td></tr><tr><td>数据要素收益分配制度体系</td><td>建立由市场评价贡献、按贡献决定报酬的机制，通过政府引导调节，让全体人民共享数字经济发展红利</td></tr><tr><td>数据要素治理制度体系</td><td>构建安全可控、弹性包容的治理体系。强调政府、企业、社会多方协同治理，建立分类分级保护、风险防控等制度</td></tr></table> 资料来源：国务院，西南证券整理 图22：我国部分数据交易所的交易活跃度差异 数据来源：智研咨询，西南证券整理 # 4.2.3“强基增效”构建基础设施优势 水、电、公路作为工业经济时代的基础设施，奠定了实体经济发展的硬件支撑。而在数字时代，以信息网络、算力设施和应用设施为代表的数字基础设施，正逐步成为推动经济高质量发展的新基石。以数字化、智能化为核心的新一轮科技革命与产业变革，不仅催生了新一代智能化基础设施，也推动传统基础设施实现数字化转型与智能化升级，从而在系统架构、运行效率、质量安全以及价值创造等多个维度引发深刻变革。 在传统基建领域，我国持续推进铁路、公路、电力等设施的数字化智能化改造，促进新型基础设施与传统基础设施融合发展。例如，2024年4月发布的《关于支持引导公路水路交通基础设施数字化转型升级的通知》明确提出，用三年时间支持约30个示范区域，建设线网一体化的示范通道和网络，力争实现 $85\%$ 的繁忙国家高速公路、 $25\%$ 的繁忙普通国道和 $70\%$ 的重要国家高等级航道完成数字化升级。同时，我国信息网络基础设施不断优化，已建成全球规模最大的光纤和移动宽带网络，5G网络实现所有地级市城区和县城城区全覆盖。截至2024年底，全国已建成超过4000家5G工厂，“5G+工业互联网”项目超过1.5万个，覆盖全部41个工业大类，显著增强了其对新型工业化的支撑能力。 在新型基建方面，我国加快推进信息通信网络、全国一体化算力网、重大科技基础设施等建设，积极布局6G技术研发与试点，加强算力、算法等基础资源供给。作为数字时代的核心生产力，算力基础设施发展水平已跃居全球前列。截至2025年6月底，我国智能算力规模达788EFLOPS。特别是“东数西算”工程通过构建数据中心、云计算、大数据一体化的新型算力网络体系，将东部算力需求有序引导至西部可再生能源富集地区，优化资源配置，降低用能成本。目前该工程已布局8个国家枢纽节点和10个数据中心集群，覆盖东中西部14个省份，带动社会投资超过万亿元，贡献全国约 $80\%$ 的智能算力。随着人工智能应用爆发式增长，智能算力规模占比在2023年已突破 $30\%$ ，增速超过 $70\%$ ，推动算力结构从以通用算力为主，转向“智算主导、多元协同”的新格局，并在互联网、服务业等领域展现出广泛的技术突破与创新活力。 图23：我国通用算力和智能算力的应用领域占比 通用算力（%） 数据来源：《中国算力指数发展白皮书（2023年）》，西南证券整理 智能算力（%） # 4.3 绿色化赋能路径：市场机制和产业链协同“扩绿” 我国新经济时期的绿色发展路径已经从被动的“末端治理”转向了涵盖能源、产业和技术的全方位变革，其核心驱动力是我国在2020年明确提出的“双碳”目标（2030年前实现碳达峰，2060年前实现碳中和）。实现“双碳”目标是我国推动经济社会绿色转型和可持续发展的内在要求，旨在倒逼产业结构和能源结构优化升级，走生态优先、绿色低碳的高质量发展道路。自目标提出以来，主要在市场机制和制造业绿色转型两方面进行了扎实部署。 # 4.3.1 碳市场和绿色金融扩容提升 全国碳排放权交易市场是重点排放单位对国家分配的碳排放配额进行交易的市场，是我国运用市场机制推动绿色低碳发展的一项重要制度创新。国家基于重点排放单位的生产排放需求、现有技术水平和国家整体减排目标，向其分配一定量的碳排放配额。获得配额的单位在全国碳市场进行配额的买入或卖出。在履约截止日期前，需要清缴与其经核定的温室气体排放量等额的配额，以完成履约义务。 在制度建设方面，2024年5月国务院发布了《碳排放权交易管理暂行条例》，确立了碳市场的基本制度框架，强化数据质量监管与违法违规行为约束，为市场规范运行夯实了法治基础。2025年8月，《关于推进绿色低碳转型加强全国碳市场建设的意见》进一步明确了中长期发展路径，提出到2027年实现强制碳市场基本覆盖工业领域主要排放行业、自愿减排市场重点领域全面纳入；到2030年基本建成以配额总量调控为核心、免费与有偿分配相结合的强制碳市场，以及规范透明、与国际标准衔接的自愿减排体系。在行业覆盖方面，继初期纳入发电行业后，2025年3月国务院批准将钢铁、水泥、铝冶炼三大高耗能行业纳入全国碳市场，推动市场覆盖的二氧化碳排放量占全国总量的比例由原先的 $40\%$ 以上提升至 $60\%$ 以上，纳入的重点排放单位数量也显著增加。2024年全年碳排放配额成交额达181.14亿元，创下自2021年市场启动以来的年度新高。2021年7月-2025年11月初，全国碳市场累计成交量约7.81亿吨，累计成交额约523.87亿元。我国碳价在2024年到达100元/吨的高位后出现下降态势。2025年11月初，碳交易价格约为60元/吨，相比欧盟同期的70-80欧元/吨（约525-600人民币/吨），美国同期的20美元/吨（约140人民币/吨），我国碳交易价格相对偏低。随着钢铁、水泥、铝冶炼等行业逐步纳入全国碳市场，市场需求将大幅增加，未来我国碳交易价格预计长期稳步上涨。 图24：我国碳排放交易量和交易价格 数据来源：wind，西南证券整理 金融市场绿色投放正持续加速，成为推动经济社会低碳转型的重要力量。2025年10月，《绿色金融支持项目目录（2025年版）》正式实施，为金融机构支持全面绿色转型提供了统一指引。新版目录不仅统一了各类绿色金融产品的认定标准，还首次将绿色贸易和绿色消费纳入支持范围。相较于2021版主要聚焦生产端，新版本通过纳入贸易环节的绿色认证产品贸易、消费端的碳普惠机制等，推动“双碳”目标从企业减排责任向公众广泛参与延伸。在绿色信贷方面，截至2025年9月末，我国绿色贷款余额已达43.5万亿元人民币，较年初增长 $18.9\%$ 。2019-2025年间，同比增速基本保持在 $20\%$ 以上，在2022年9月突破 $40\%$ ，达到峰值以后有所回落，但年增速仍稳定在 $15\%$ 以上。绿色信贷规模的快速提升，有效拓宽了绿色金融的覆盖面，为重点行业低碳转型提供了有力支撑。绿色债券市场也保持稳健发展。2016-2024年间，中国绿色债券年度发行规模从2018亿元增至6833亿元，年均增速达 $16.5\%$ 截至2024年末，全市场存续绿色债券1868只，余额约2.2万亿元。如果将非贴标但实际投向绿色项目的债券纳入统计，广义“投向绿”债券规模已超过6万亿元。近年来，中国绿色债券发行规模持续位居全球前列，其发行利率普遍低于普通债券，为绿色项目降低了融资成本，助力更多低碳项目顺利落地。 图25：我国金融机构绿色贷款余额 数据来源：wind，西南证券整理 图26：我国绿色债券发行规模 数据来源：《中国绿色债券白皮书》，西南证券整理 # 4.3.2 绿色制造产业链体系基本建立 在碳市场机制与绿色金融工具协同驱动下，我国已初步形成覆盖制造业全链条的绿色供应链体系。在产业规模方面，节能环保产业预计到2030年将达到15万亿元左右，当前产业规模已约为11万亿元，预示着“十五五”期间年均增速将保持在可观水平。在政策层面，2024年，工信部等七部门联合发布《关于加快推动制造业绿色化发展的指导意见》，明确构建从原材料到终端消费品的全链条绿色产品供给体系。同年，《国家工业和信息化领域节能降碳技术装备推荐目录（2024年版）》编制完成，并公布首批47项绿色低碳先进技术示范项目，推动高效节能技术规模化应用。根据规划，到2030年，各级绿色工厂产值占制造业总产值比重将提升至 $40\%$ 以上，并建设一批零碳工厂和零碳工业园区，标志着绿色制造体系将迈向更高质量阶段。截至2024年底，全国累计培育绿色工厂6430家、绿色工业园区491家，以及一批绿色供应链管理企业。绿色工厂产值目前已占制造业总产值约 $20\%$ ，其单位产品能耗与水耗整体优于行业平均水平，显示出绿色转型的效能提升作用。近三年间，绿色工厂共实施绿色低碳改造项目超过1万项，累计投资逾2500亿元，为制造业注入了显著的绿色动能。在能源低碳转型领域，我国非化石能源消费占比从2020年的 $16.0\%$ 提升至2024年的 $19.8\%$ ，年均增长近1个百分点。截至2025年8月，风电与光伏发电的总装机容量已突破16.9亿千瓦，规模为2020年的三倍以上，贡献了同期全国约 $80\%$ 的新增电力装机；其发电量占比也以年均约2.2个百分点的速度持续提高。能效方面，2024年单位GDP能耗较2020年下降 $11.6\%$ ，相当于减排二氧化碳约11亿吨，使我国成为全球能耗强度降低最快的国家之一，绿色转型成效显著。 表 9：2024 年我国实现新型工业化中的绿色发展特征 <table><tr><td>特征</td><td>具体内容</td></tr><tr><td rowspan="4">“四增”</td><td>国家级绿色工厂达到6430家，实现产值占制造业总产值比重约20%，比上年增加2个百分点。</td></tr><tr><td>预计2024年大宗工业固废综合利用率超过55%，同比增加1.2个百分点。</td></tr><tr><td>预计2024年退役动力电池综合利用量突破30万吨，同比增长33%。</td></tr><tr><td>目前共有近3万种电器电子产品达到中国RoHS管控要求，即限制使用镉等有害物质指令，同比增长约10%。</td></tr><tr><td rowspan="3">“三降”</td><td>钢铁、水泥、玻璃等重点行业规上工业单位增加值能耗持续下降</td></tr><tr><td>工业领域主要污染物排放强度持续下降</td></tr><tr><td>万元工业增加值用水量持续下降</td></tr></table> 资料来源：工信部，西南证券整理 图27：我国风电、光伏发电新增装机容量 数据来源：《碳达峰碳中和的中国行动》白皮书，西南证券整理 # 4.4全球化赋能路径：制度型开放驱动产业进阶 近年来，我国持续扩大高水平对外开放，积极参与并引领全球治理，逐步从国际规则的接受者、学习者转变为重要参与者和推动者。在开放战略上，实现了由以“引进来”为主向“引进来”与“走出去”并重的重大转变，双向投资质量显著提高。在制度层面，我国不断健全贸易投资体系，推动开放模式从“流动型开放”向更深层次的“制度型开放”迈进。对外，积极推动加入《全面与进步跨太平洋伙伴关系协定》（CPTPP）、《数字经济伙伴关系协定》（DEPA）等多边协定；对内，通过建设自由贸易试验区并成功推广相关经验，形成了一批制度创新成果。产业层面，服务贸易的引领作用持续增强，以“新三样”为代表的新 兴出口产业拉动效应显著。同时，我国不断拓展多元化的贸易伙伴关系，推动外贸市场布局进一步优化，对外开放的深度与广度持续拓展。 # 4.4.1 从“流动型开放”转向“制度型开放” 近年来，我国对外开放的重点已由以降低关税和要素流动壁垒为核心的“流动型开放”，逐步转向以规则、规制、管理、标准对接为特征的“制度型开放”。制度型开放注重对标国际高标准经贸规则，通过自贸试验区制度创新，积极参与和引领全球经贸治理，持续优化市场化、法治化、国际化营商环境。对接国际高标准经贸协定是实现这一转变的核心战略。近年我国积极推进加入《全面与进步跨太平洋伙伴关系协定》（CPTPP）和《数字经济伙伴关系协定》（DEPA），以对接国际高标准经贸规则。CPTPP作为高水平自由贸易协定，其规则涵盖国有企业“竞争中立”、知识产权保护等深层制度性议题，突破传统贸易协定边界。为适应相关高标准，我国依托自贸试验区和海南自贸港开展制度型开放压力测试。据中国社会科学院测算，中国加入CPTPP有望带动成员国国内生产总值增长 $0.2\% -1.1\%$ ，出口提升 $2.5\% -11.8\%$ ，并促进区域内产供链体系进一步深化。DEPA作为全球首个聚焦数字经济的专项协定，采用了模块化架构，代表数字贸易规则的前沿探索。中国拥有庞大的数字经济体和丰富的应用场景，加入DEPA将有助于为企业营造更稳定、透明的数字贸易环境，降低跨境合规成本，提升全球合作效率。 表 10：我国积极推动对接国际高标准经贸协定 <table><tr><td>特征</td><td>《全面与进步跨太平洋伙伴关系协定》(CPTPP)</td><td>《数字经济伙伴关系协定》(DEPA)</td></tr><tr><td>战略意义</td><td>涵盖货物贸易、服务贸易、投资等广泛边境后规则(如国有企业、知识产权、劳工环境等)的综合性高标准协定</td><td>全球首个专门针对数字经济的贸易协定,聚焦数字贸易便利化、数据跨境流动、新兴技术合作等数字时代规则</td></tr><tr><td>核心特点</td><td>更高水平开放:最终零关税比例达99%更广领域覆盖:延伸至边境后措施更突出公平竞争及区域化特征</td><td>采用模块化结构,一共包含16个模块商业与贸易便利化:无纸化贸易、电子发票、电子支付数据问题:跨境数据流动、个人信息保护新兴技术合作:人工智能、金融科技</td></tr><tr><td>中国进展</td><td>2021年9月正式提交申请,已完成对全部条款的深入评估,并在货物贸易、服务贸易、投资、政府采购等市场准入方面做好出价准备;通过自贸试验区开展规则对接的先行先试。获得马来西亚、越南等多个成员国的支持表态</td><td>2021年11月正式申请加入截至2025年7月,已举行八次首席谈判代表会议,谈判取得积极进展。成员方对中国加入工作组取得的进展给予积极评价</td></tr></table> 资料来源：中国社会科学网，商务部、西南证券整理 在对内制度建设方面，我国正将高水平对外开放与深化内部改革相结合。2023年国务院印发《全面对接国际高标准经贸规则推进中国（上海）自由贸易试验区高水平制度型开放总体方案》，在上海自贸试验区先行先试80条高水平制度开放措施。2025年，在试点经验成熟基础上，我国决定将其中77条措施向更大范围复制推广，涵盖服务贸易、数字贸易、知识产权、政府采购、“边境后”管理制度等七大领域，其中34条推广至其他自贸区，43条推广至全国。上海自贸区在数字贸易和政府采购改革方面形成较多可推广经验，体现出其在制度创新中的引领作用。目前，全国22个自贸试验区以不足千分之四的国土面积，吸引了全国 $24.3\%$ 的实际使用外资，已成为我国制度开放的重要平台。开放发展指数是衡量国家开放程度的综合指标。2013-2024年，我国开放发展总指数呈持续上升趋势，2024年达到30.56，较2013年增长 $19.6\%$ 。其中，制度开放和开放布局两项指标增长尤为显著，分别比2013年提高 $88.5\%$ 和 $130.5\%$ 。制度开放指标长期领先于其他分项，体现出我国在制度层面与国际接轨的积极进展；开放布局的提升则得益于“陆海内外联动、东西双向互济”全面开 放新格局的加快构建。二者正共同成为推动中国经济开放发展的主要驱动力。2025年11月，《世界开放报告2025》发布，报告指出，在世界开放指数下滑的背景下，中国继续走在开放前列，中国开放指数在35年来增幅接近 $30\%$ 。特别是衡量制度性开放的政策指数提升 $24.6\%$ ，反映实际成果的绩效指数大幅增长 $37.9\%$ ，印证了我国走开放路径的韧性与生命力。 图28：我国经济开放发展指数变化情况 数据来源：中国经济网，西南证券整理 图29：上海自贸区试点措施推广领域 数据来源：国务院，西南证券整理 # 4.4.2 全方位跃升的产业开放路径 在制度保障体系支撑下，我国产业开放路径持续深化，逐步实现从以制造业为主向制造业与服务业协同并重转变，知识密集型贸易成为新的增长点。在进出口产品结构方面，呈现出向高技术、高附加值、绿色低碳方向转型的明显趋势。近三年来，机电产品和高新技术产品出口同比持续回升。2025年10月，两者当月出口同比增速分别为 $1.3\%$ 和 $1.8\%$ ，增速相比9月有所回落，但仍保持正增长，产业结构升级动能有待增强。与此同时，我国贸易形态也在不断优化，服务贸易对外贸高质量发展的引领作用日益凸显。2025年9月，商务部印发《关于促进服务出口的若干政策措施》，围绕资金使用、保险与风险管理、贸易便利化、数据与知识产权保护、国际化市场拓展等五大方向推出系列举措，依托现有制度基础与开放成果，进一步释放服务贸易发展潜力。在此推动下，知识密集型服务贸易保持稳健增长态势。2025年1-10月，知识密集型服务贸易累计同比增速达 $6.4\%$ ，高于同期货物贸易增速4.1个百分点，凸显出我国服务出口竞争力不断提升，贸易结构持续优化。 图30：我国机电和高新技术产品出口增速回落 数据来源：wind，西南证券整理 图31：我国知识密集型服务引领作用显著 数据来源：wind，西南证券整理 近年来，我国外贸结构持续优化升级，以电动载人汽车、锂电池、太阳能电池为代表的外贸“新三样”迅速崛起，成为推动出口增长的新动能，与服装、家具、家电等传统劳动密集型“老三样”形成鲜明对比。2025年1-9月，我国“新三样”产品进出口总额达1288.6亿美元，同比增长 $16.5\%$ 。在此期间，“新三样”出口占我国出口总额的 $4.5\%$ ，拉动出口整体增长约0.75个百分点，拉动幅度较上年同期显著提高1.16个百分点。从出口市场来看，2025年9月英国对“新三样”出口金额增长的贡献最大，单月拉动增长3.0个百分点；智利、菲律宾、波兰等国出口增速较快，而对美国出口则同比下降 $36.1\%$ ，反映出出口目的地结构进一步多元化。随着部分国家和地区贸易壁垒增多，我国企业积极拓展东南亚、中东、东欧、拉美等新兴市场，降低对传统市场的依赖。2025年上半年，我国对“一带一路”共建国家进出口11.29万亿元，同比增长 $4.7\%$ ，占外贸总值的 $51.8\%$ ，水路、航空、公路运输方式分别增长 $4.3\%$ 、 $9.0\%$ 和 $16.4\%$ ，显示出更加立体、紧密的互联互通格局。这种多元化策略有效增强了我国外贸韧性和持续增长潜力，外贸多元化布局正不断深化。 图32：“新三样”出口中占比在 $1\%$ 以上的目的地（2025年9月） 数据来源：瀚闻资讯，西南证券整理 图33：我国对主要贸易伙伴进出口情况 数据来源：wind，西南证券整理 # 5 新经济赋能模式的国际比较与借鉴 # 5.1 美国的“科技-产业-金融”循环体系 美国凭借其高度成熟的“科技-产业-金融”协同体系，在政府政策引导和多主体协作的推动下，吸引了全球过半的投资，为抢占新一轮科技革命与产业变革先机奠定了基础。同时，美国注重创新驱动内需市场，通过激发国内创新活力促进经济内循环，使服务消费持续壮大，其GDP占比不断提升，成为拉动经济增长的核心引擎。 在创新的顶层设计上，美国注重各类政策工具的系统配合，综合运用财税、金融等手段，营造有利于创新与资本融合的制度环境。根据2024财年预算，其研发预算创历史新高，达2100亿美元，其中能源先进研究计划署（ARPA-E）、国家科学基金会（NSF）和国防先进研究计划署（DARPA）的预算分别增长 $38\%$ 、 $15\%$ 和 $8\%$ 。政府通过预算投入与税收优惠，为高技术产业和企业创新提供普惠性支持。美国还构建了多层次资本市场体系，涵盖纽约证券交易所、纳斯达克及场外交易市场等，满足企业不同发展阶段的融资与退出需求，其“自愿升级、强制降级”的转板机制有效促进了市场优胜劣汰。在风险投资方面，美国持续引领全球，2024年所获风险资本总额达1907亿美元，占全球一半以上，同比增长 $30\%$ ，资金 集中于生成式人工智能、自动驾驶、半导体等关键领域。其小企业创新研究（SBIR）和小企业技术转移（STTR）两大专项计划，在已持续实施的40年间，计划每年向约4000家小型企业补助约40亿美元。美国政府通过投向私人资本不愿涉足的基础研究和关键领域，同时通过SBIR等计划支持中小企业，为创新注入发展动力。 在创新文化层面，美国推进产学研深度融合，促进人才、技术、资金等创新要素在高校、科研机构与企业间高效流动，形成从基础研究到市场应用的闭环路径。借助《拜杜法案》等关键立法，高校与科研机构的成果转化意愿显著增强，该法案实施约十年间，美国高校的科技成果转化率从约 $5\%$ 大幅提升至约 $80\%$ 。多数高校还设立了技术许可办公室（TLO）等专业机构负责成果转化运营，例如斯坦福大学技术许可办公室在2023年即获得115项专利许可，创造5900万美元收入，并成功孵化27家创业公司，展现出良好的创新实效。 庞大的内需市场，特别是持续扩张的服务消费，为美国的科技创新成果提供了关键的应用场景。从GDP构成来看，服务消费对经济增长的贡献持续增强，目前已占据美国消费结构的近 $70\%$ 。服务消费结构也不断向医疗健康、金融、法律等高附加值领域升级，推动知识密集型服务业蓬勃发展，形成高端需求牵引高质量创新的良性循环。这一循环的坚实基础，在2024年居民消费占GDP比重达 $67.93\%$ 、人均可支配收入升至6.44万美元的数据中得到有力印证，展现出内需市场所具有的强大消费能力与信心，从而为美国产业向高附加值环节转型提供了持续而核心的支撑。 图34：2025年一季度美国风险投资领域分布 数据来源：美国科技投资报告，西南证券整理 图35：美国服务消费占比和人均可支配收入情况 数据来源：世界银行，wind，西南证券整理 # 5.2 德国的工业4.0与“隐形冠军”模式 德国工业升级的特征在于其渐进式的创新路径，即在传承精密制造传统的基础上，逐步融合信息技术实现系统性升级。“工业4.0”概念的提出，是基于对工业革命历程的阶段性划分：机械化为1.0，电气化为2.0，自动化为3.0，而4.0阶段则指向基于信息物理融合的智能化转型。2013年，德国政府推出该战略，核心目标是通过构建数据驱动的新型生产模式，在保持规模效益的同时实现个性化定制，完成从标准化生产向柔性化制造的范式转移。这一战略引发了全球主要工业国家的政策响应。美国推出“工业互联网”战略，中国实施的“中国制造2025”则聚焦智能制造与基础能力提升，并在此领域与德国建立了合作机制。 “隐形冠军”概念由德国管理学家赫尔曼·西蒙于1986年提出，特指那些在各自细分领域占据全球市场领导地位，却不为公众熟知的中小型企业。其核心界定标准通常包括：全球市场份额位列前两名，年产值在一定规模（如20亿欧元左右），且具有较低的公众知名度。根据2024年的相关统计，全球范围内约有2700余家符合标准的企业，其中德国拥有超过1300家，数量位居全球首位，占比接近半数。这一现象与德国以中小企业为支柱的经济结构密切相关。德国现存超过350万家中小企业，占企业总数的 $99.5\%$ 以上，贡献了超过一半的经济增加值和社会就业。德国构建的科技金融体系为这些企业的创新活动提供了关键支持。“隐形冠军”的成功模式在于其高度的专业聚焦与持续改进能力。工业4.0并非旨在颠覆传统制造模式，而是通过物联网、大数据等数字化技术对现有生产体系进行赋能和优化。这与“隐形冠军”不轻易变更其核心业务，而是致力于利用新技术强化既有优势的战略取向高度一致。因此，“隐形冠军”不仅是工业4.0技术的重要应用者，更是推动技术在工业场景中迭代的关键力量。“专精特新”的企业特征与渐进融合的升级战略相互支撑，共同构成了德国制造业的优势。 此外，在支持创新的金融体系中，德国的政策性银行发挥着关键的引领作用，其核心代表德国复兴信贷银行（KFW）由联邦和州政府共同出资设立，通过商业银行转贷的模式，专项为中小企业提供长期优惠融资，其对该群体的贷款占新发放贷款总额比重超过 $40\%$ 。在此基础上，私人商业银行、储蓄银行与信用合作社共同构成了德国的“三大支柱”银行体系，其贷款规模预计占到德国中小企业信贷总量的 $70\%$ ，形成了坚实的融资主渠道。与此同时，德国还构建了独特的以担保银行为核心的风险分担机制，通过担保银行、商业银行及各级政府按比例共同承担信贷风险，有效为缺乏足额抵押物的中小企业提供了风险缓冲，显著提升了其获取融资的可能性，为“隐形冠军”企业的技术创新与持续发展提供了稳定的资金保障。 图36：工业1.0-4.0阶段的不同发展特征 资料来源：光明网，西南证券整理 图37：各国制造业增加值占GDP比重 数据来源：世界银行，西南证券整理 # 5.3 日本社会需求牵引下的精益模式 作为全球制造业强国，日本的产业转型升级主要受到社会需求的驱动。面对资源短缺、劳动力成本高企以及人口老龄化等结构性挑战，日本企业并未简单追求高投入的全自动化，而是逐步形成了以“节约、高效、可持续”为核心的低成本自动化创新路径。在此过程中，“精益管理”思想起到关键支撑作用，其核心理念是消除浪费、提升效率与质量。企业在推进数字化与智能化过程中，始终围绕质量、成本与交付等精益目标展开，确保技术应用与运 营优化紧密衔接。在这一路径下，社会需求作为牵引力，促使“精益思想”与智能化技术深度融合，进而构建出兼具韧性与竞争力的生产体系。 在精益制造理念的长期引领下，日本制造业形成了以核心材料、高端装备与高技术产业为核心的竞争优势，构建了从基础材料、关键零部件到数控系统的完整技术生态。其在精密机床、工业机器人等高端制造领域具备全球领先的市场地位。同时，日本制造企业正积极推进生产过程的智能化转型，以应对熟练劳动力短缺和持续提升工艺精度的双重挑战。根据日本内阁府及相关研究机构分析，人工智能等数字技术的深入应用，有望为日本宏观经济注入新动力。OpenAI在《日本经济蓝图》报告中指出，若能充分运用人工智能技术，日本未来的GDP增长率有望显著高于未广泛应用AI的情景。另有实证研究表明，采用AI的企业平均生产力较未采用企业高出约 $8.8\%$ 在政策制定上，日本持续强化研发投入，并运用税收工具支持战略性产业。2019年，日本政府推出《人工智能战略》，明确以加强科研投入与人才培养推动人工智能领域发展。在研发投入方面，日本设定了未来十年目标，力求将官民研发支出总额提升至GDP的 $4\%$ 以上，其中政府研发投资占比达到 $1\%$ 。此外，于2024年生效的《令和6年税制修正案》推出了针对战略性制造业的税收激励措施。根据规定，企业在同一纳税年度内享受该项政策、碳中和投资促进税制以及数字化转型投资促进税制所获得的税额抵免总额，上限为当期应纳企业所得税额的 $40\%$ ，当年不足抵免的，可以在以后4个纳税年度结转抵免。在金融体系方面，日本与德国相似，均以银行为主导，间接融资在整体融资结构中占据重要地位。与美国相比，日本设立了更多政策性金融机构，且各类机构在职能定位与服务对象上分工明确。为缓解中小企业融资难题，日本逐步建立起国民生活金融公库、中小企业金融公库、商工组合中央金库等政策性金融机构，并依托以银行为主的科技金融市场结构，形成了具有本国特色的信用补全制度。该制度一方面将担保机制与保险手段相结合，另一方面通过中央与地方政府协同分担风险，构建起多层次的风险缓释体系，为企业融资提供更为系统化的支持。 图38：四种情景下日本GDP的发展情况 数据来源：《AI in Japan: OpenAI's Economic Blueprint》，西南证券整理 表 11：日本优势制造业聚焦核心材料、高端设备及底层技术 <table><tr><td>产业类别</td><td>代表企业</td><td>关键优势</td></tr><tr><td>精密机床</td><td>德马吉森精机、牧野</td><td>数控机床全球占比约为35%。</td></tr><tr><td>工业机器人</td><td>发那科、爱普生、安川电机、川崎</td><td>市场份额>40%,排名全球第一。</td></tr><tr><td>汽车制造</td><td>丰田、本田</td><td>混动技术热效率>40%。</td></tr><tr><td>半导体材料</td><td>信越化学、东京应化、豪雅</td><td>光刻胶生产排名前4的日本企业市占率>70%。</td></tr><tr><td>碳纤维</td><td>东丽、三菱丽阳</td><td>专利覆盖全产业链,在聚乙烯、航空航天和体育用品领域拥有20%不等的市场份额。</td></tr><tr><td>电子元器件</td><td>村田、索尼</td><td>市场份额约25%。</td></tr></table> 数据来源：Statista，GlobalGrowthInsights，西南证券整理 # 5.4总结：对我国发展模式的借鉴 从美国、德国和日本的产业升级实践中，可以总结出以下五方面的共同经验：第一，将中小企业视为产业升级的重要力量，通过立法、税收、融资担保及多层次资本市场等方式，为其提供多元化政策与资金支持，助力其专注发展；第二，重视技术创新与研发投入，积极推动产、学、研深度融合，强化基础研究和新技术的产业应用，以专利转化和技术迭代提升产业竞争力；第三，构建了适应本国实际的融资体系，通过直接融资市场或银行主导的间接融资渠道（如德国和日本的担保机制），为企业特别是中小企业提供稳定的资金保障；第四，政府在产业升级中发挥积极引导作用，通过顶层战略（如德国的“工业4.0”模式）、政策目标和制度安排，营造有利于创新与升级的宏观环境；第五，注重以市场需求牵引供给升级，通过内需拉动、需求导向的“精益”理念和服务消费升级，促进产业与实际市场紧密结合，实现供需良性互动。 我国在新经济阶段的产业升级，正系统性地构建多层次支撑体系，将国际经验与本土实践深度融合，已在若干关键领域取得实质性进展。在战略引导与政策布局上，政府紧密围绕绿色转型、人口结构变化等社会需求，制定具有前瞻性和需求导向的产业政策。例如，金融领域着力做好科技金融、绿色金融、普惠金融、养老金融、数字金融“五篇大文章”，正是对经济社会重大需求和长远战略的呼应。在技术创新体系构建方面，我国正致力于深化产学研融合，以显著提升产业链韧性。国家明确将实现“高水平科技自立自强”作为科技发展的核心路线，并通过部署国家重大科技项目，以及引导数据开放、强化人才培育等举措，推动创新链与产业链深度融合。对中小企业的系统性支持已成为产业升级政策的重要支柱。我国大力培育“专精特新”中小企业，中央财政专项支持重点“小巨人”企业攻坚新技术，中国人民银行联合相关部门设立科技创新和技术改造再贷款，其中设有专项额度用于支持初创期成长期的科技型中小企业首次贷款。在供需协同与内需激活方面，我国坚持通过市场需求牵引供给升级，致力于形成供需互促的良性循环。政策层面通过提振消费专项行动、服务消费提质惠民等措施，改善消费条件，增强消费能力。实践中，顺应消费升级趋势，以新供给创造新需求，例如新型消费、绿色消费、国货潮牌等快速发展，这促使供给体系更注重通过应用“精益”理念提升效率与质量，以高质量供给适应、满足并引领需求。我国产业升级路径呈现出政府战略引导、科技创新驱动、市场主体培育与市场需求拉动多轮驱动的系统特性，各项政策正围绕提升产业体系完整性、先进性与安全性协同发力。在充分借鉴国际经验的基础上，我国新经济时期产业升级有望迈向更高质量的发展阶段。 # 6 风险提示 国内经济复苏不及预期风险：国内经济复苏面临有效需求不足的挑战。尽管生产端保持稳定，但消费和投资的复苏力度仍显薄弱。供需失衡问题依然存在。 外部环境复杂性与贸易风险：全球经济增长动能减弱，主要经济体之间的贸易摩擦具有不确定性，美国等国家的关税政策可能对中国出口造成持续压力，冲击相关产业链。地缘政治冲突加剧了全球供应链的不确定性。 结构性矛盾与重点领域风险：新兴产业虽快速成长，但尚不足以完全对冲房地产等传统行业下行带来的影响。房地产市场深度调整的影响仍在持续，地方债务风险化解压力未减，这些都可能对整体经济的稳定性和政策空间形成制约。 产业升级过程中的具体挑战：在一些战略性新兴产业，如半导体、先进工业软件等领域，部分核心技术与关键环节“卡脖子”问题依然突出。产业升级可能伴随对劳动力技能需求的变化，存在结构性失业的风险，需要关注劳动力技能的提升与转型。 # 分析师承诺 本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，报告所采用的数据均来自合法合规渠道，分析逻辑基于分析师的职业理解，通过合理判断得出结论，独立、客观地出具本报告。分析师承诺不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接获取任何形式的补偿。 # 投资评级说明 报告中投资建议所涉及的评级分为公司评级和行业评级（另有说明的除外）。评级标准为报告发布日后6个月内的相对市场表现，即：以报告发布日后6个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。其中：A股市场以沪深300指数为基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准；香港市场以恒生指数为基准；美国市场以纳斯达克综合指数或标普500指数为基准。 <table><tr><td rowspan="5">公司评级</td><td>买入：未来6个月内，个股相对同期相关证券市场代表性指数涨幅在20%以上</td></tr><tr><td>持有：未来6个月内，个股相对同期相关证券市场代表性指数涨幅介于10%与20%之间</td></tr><tr><td>中性：未来6个月内，个股相对同期相关证券市场代表性指数涨幅介于-10%与10%之间</td></tr><tr><td>回避：未来6个月内，个股相对同期相关证券市场代表性指数涨幅介于-20%与-10%之间</td></tr><tr><td>卖出：未来6个月内，个股相对同期相关证券市场代表性指数涨幅在-20%以下</td></tr><tr><td rowspan="3">行业评级</td><td>强于大市：未来6个月内，行业整体回报高于同期相关证券市场代表性指数5%以上</td></tr><tr><td>跟随大市：未来6个月内，行业整体回报介于同期相关证券市场代表性指数-5%与5%之间</td></tr><tr><td>弱于大市：未来6个月内，行业整体回报低于同期相关证券市场代表性指数-5%以下</td></tr></table> # 重要声明 西南证券股份有限公司（以下简称“本公司”）具有中国证券监督管理委员会核准的证券投资咨询业务资格。 本公司与作者在自身所知情范围内，与本报告中所评价或推荐的证券不存在法律法规要求披露或采取限制、静默措施的利益冲突。 《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，本报告仅供本公司签约客户使用，若您并非本公司签约客户，为控制投资风险，请取消接收、订阅或使用本报告中的任何信息。本公司也不会因接收人收到、阅读或关注自媒体推送本报告中的内容而视其为客户。本公司或关联机构可能会持有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供或争取提供投资银行或财务顾问服务。 本报告中的信息均来源于公开资料，本公司对这些信息的准确性、完整性或可靠性不作任何保证。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的价格、价值及投资收入可升可跌，过往表现不应作为日后的表现依据。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告，本公司不保证本报告所含信息保持在最新状态。同时，本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。 本报告仅供参考之用，不构成出售或购买证券或其他投资标的要约或邀请。在任何情况下，本报告中的信息和意见均不构成对任何个人的投资建议。投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险，本公司及雇员对投资者使用本报告及其内容而造成的一切后果不承担任何法律责任。 本报告 须注明出处为“西南证券”，且不得对本报告及附录进行有悖原意的引用、删节和修改。未经授权刊载或者转发本报告及附录的，本公司将保留向其追究法律责任的权利。 # 西南证券研究院 # 上海 地址：上海市浦东新区陆家嘴21世纪大厦10楼 邮编：200120 # 北京 地址：北京市西城区金融大街35号国际企业大厦A座8楼 邮编：100033 # 深圳 地址：深圳市福田区益田路6001号太平金融大厦22楼 邮编：518038 # 重庆 地址：重庆市江北区金沙门路32号西南证券总部大楼21楼 邮编：400025 西南证券机构销售团队 <table><tr><td>区域</td><td>姓名</td><td>职务</td><td>座机</td><td>手机</td><td>邮箱</td></tr><tr><td rowspan="11">上海</td><td>蒋诗烽</td><td>院长助理、研究销售部经理、上海销售主管</td><td>021-68415309</td><td>18621310081</td><td>jsf@swsc.com.cn</td></tr><tr><td>崔露文</td><td>销售岗</td><td>15642960315</td><td>15642960315</td><td>clw@swsc.com.cn</td></tr><tr><td>李煜</td><td>销售岗</td><td>18801732511</td><td>18801732511</td><td>yfliyu@swsc.com.cn</td></tr><tr><td>汪艺</td><td>销售岗</td><td>13127920536</td><td>13127920536</td><td>wyyf@swsc.com.cn</td></tr><tr><td>戴剑箫</td><td>销售岗</td><td>13524484975</td><td>13524484975</td><td>daijx@swsc.com.cn</td></tr><tr><td>李嘉隆</td><td>销售岗</td><td>15800507223</td><td>15800507223</td><td>ljlong@swsc.com.cn</td></tr><tr><td>欧若诗</td><td>销售岗</td><td>18223769969</td><td>18223769969</td><td>ors@swsc.com.cn</td></tr><tr><td>蒋宇洁</td><td>销售岗</td><td>15905851569</td><td>15905851569</td><td>jyj@swsc.com.c</td></tr><tr><td>贾文婷</td><td>销售岗</td><td>13621609568</td><td>13621609568</td><td>jiawent@swsc.com.cn</td></tr><tr><td>张嘉诚</td><td>销售岗</td><td>18656199319</td><td>18656199319</td><td>zhangjc@swsc.com.cn</td></tr><tr><td>毛玮琳</td><td>销售岗</td><td>18721786793</td><td>18721786793</td><td>mwl@swsc.com.cn</td></tr><tr><td rowspan="6">北京</td><td>李杨</td><td>北京销售主管</td><td>18601139362</td><td>18601139362</td><td>yfly@swsc.com.cn</td></tr><tr><td>张岚</td><td>销售岗</td><td>18601241803</td><td>18601241803</td><td>zhanglan@swsc.com.cn</td></tr><tr><td>姚航</td><td>销售岗</td><td>15652026677</td><td>15652026677</td><td>yhang@swsc.com.cn</td></tr><tr><td>杨薇</td><td>销售岗</td><td>15652285702</td><td>15652285702</td><td>yangwei@swsc.com.cn</td></tr><tr><td>王宇飞</td><td>销售岗</td><td>18500981866</td><td>18500981866</td><td>wangyuf@swsc.com</td></tr><tr><td>王一菲</td><td>销售岗</td><td>18040060359</td><td>18040060359</td><td>wyf@swsc.com.cn</td></tr><tr><td></td><td>张鑫</td><td>销售岗</td><td>15981953220</td><td>15981953220</td><td>zhxin@swsc.com.cn</td></tr><tr><td></td><td>马冰竹</td><td>销售岗</td><td>13126590325</td><td>13126590325</td><td>mbz@swsc.com.cn</td></tr><tr><td rowspan="4">广深</td><td>龚之涵</td><td>销售岗</td><td>15808001926</td><td>15808001926</td><td>gongzh@swsc.com.cn</td></tr><tr><td>唐茜露</td><td>销售岗</td><td>18680348593</td><td>18680348593</td><td colspan="1">txl@swsc.com.cn</td></tr><tr><td>文柳茜</td><td>销售岗</td><td>13750028702</td><td>13750028702</td><td colspan="1">wlq@swsc.com.cn</td></tr><tr><td>林哲睿</td><td>销售岗</td><td>15602268757</td><td>15602268757</td><td colspan="1">lzr@swsc.com.cn</td></tr></table>